在接下来的几周里，TechCrunch 的机器人通讯 Actuator 将对一些机器人领域的顶尖人物进行问答。在此订阅以获取未来更新。
第一部分：卡内基梅隆大学的 Matthew Johnson-Roberson
第二部分：丰田研究院的 Max Bajracharya 和 Russ Tedrake
这次是 Dhruv Batra，Meta 旗下 FAIR（基础人工智能研究）的研究总监。Facebook 母公司对 FAIR 的描述如下：
Meta 的基础人工智能研究（FAIR）团队致力于在新兴和现有领域进一步深化我们的基础理解，涵盖与人工智能相关的全方位主题，其使命是通过开放研究推动人工智能技术的最新进展，造福全人类。
Batra 还是佐治亚理工学院的特聘副教授。
生成式 AI 将在机器人的未来中扮演什么角色？
我认为生成式 AI 在具身智能和机器人研究中将发挥两个截然不同的作用：
- 数据/经验生成器：用于为机器人训练生成 2D 图像、视频、3D 场景或 4D（3D + 时间）模拟体验（特别是动作/语言条件化体验），因为机器人领域中的真实世界经验非常稀缺。基本上，可以将它们视为“学习模拟器”。我认为如果没有在模拟环境中进行训练和测试，机器人研究根本无法实现规模化扩展。
- 自监督学习的架构：生成智能体未来将观察到的感官观测结果，并将其与实际观测结果进行比较，用作无标注信号进行学习。有关更多详细信息，请参阅 Yann 关于 AMI 的论文。
你对人形形态有什么看法？
我对此持乐观态度。从根本上说，人类环境是为适应人形形态而设计的。如果我们真的希望通用机器人在为人类设计的环境中运作，那么其形态至少需要具有一定的人形特征（机器人可能比人类拥有更多的传感器，也可能拥有更多的附肢）。
真正的通用机器人还需要多久才能实现？
三十年。因此，这实际上超出了任何有意义预测的时间窗口。事实上，我相信我们应该对声称“AGI 即将到来”的人保持深深的怀疑和警惕。
未来十年，家用机器人（除扫地机器人外）会迎来爆发式增长吗？
不，我认为核心技术尚未成熟。
有哪些重要的机器人故事或趋势未得到充分报道？
我们现在可以在真实家庭环境中测试导航机器人，而且效果确实不错！请注意，与自动驾驶汽车不同，这些家用导航机器人没有机会通过数百万英里的驾驶来构建高精度地图。我们将一台机器人带到一栋新房子，让它寻找物品。