【CNMO 科技消息】据 CNMO 了解，斯坦福大学教授李飞飞近日阐述了为何日常家务任务对机器人而言难度极高。她指出，即使是一个简单的指令，如 " 打开最上层的抽屉，并且小心别碰到花瓶 "，对机器人系统也是一项艰巨挑战。

李飞飞解释，其核心困难在于机器人需要将抽象的语言指令映射到具体的物理世界。词汇如 " 上层 "" 抽屉 "" 花瓶 " 都是抽象概念，机器人系统必须在复杂多变的环境中，将它们对应到三维空间的具体位置、物体及其相互关系上。这要求机器人具备可靠的感知、物体识别能力以及在不确定环境下的空间推理能力。

李飞飞

与此同时，机器人缺乏人类所拥有的常识。理解 " 小心 " 意味着需要预判动作的后果、估算空间间隙，并知晓花瓶是易碎品。将这类先验知识——例如抽屉的重量、花瓶可能倾倒——编码到机器人系统中，过程极为复杂。

从学习机制来看，这类任务也面临稀疏奖励的难题。机器人只有在完全成功完成任务时才能获得有效反馈，例如抽屉被打开且花瓶完好无损。在此之前的漫长尝试过程中，它几乎得不到任何有助于学习的中间奖励信号。这导致基于奖励的策略学习样本效率极低，且训练的模型在环境发生变化时稳定性较差。

目前，李飞飞团队正致力于攻克这些挑战。其近期推出的 BRS 框架能够通过低成本硬件与创新算法，提升机器人在家庭环境中的全身操作能力，涉及双臂协同、精准导航和末端执行器的大范围操作等关键能力。该研究显示了让机器人胜任日常家务的长期性与复杂性。