Claude 語言模型在機器人任務中的表現：控制策略與能力分析

Anthropic 的研究深入探討 語言模型 (如 Claude) 在機器人任務中的表現，特別關注其整合 邏輯推理 與 精準三維理解 的能力。 核心發現指出，模型的機器人性能 高度依賴其與機器人的連接方式，即所採用的控制方法。 • 當模型直接驅動關節時通常會失敗，但若能監督 預訓練控制器 或運用 高階操控指令，則可成功執行真實世界的導航與物件操作。 • 儘管模型在機器人領域的能力正快速提升，但這種進步並不均勻，其中 高階介面 的表現改進最為顯著且一致。 • 在運動及操作任務中，前沿模型已展現出有限但有意義的全身控制能力，尤其在有 預訓練政策 與感知工具輔助時，更能有效導航和執行抓取。

研究者強調：「模型的機器人分數，不僅取決於模型本身，更取決於機器人本體與控制介面。」 這項研究對於 語言模型 的安全發展與部署至關重要，預示著未來的通用聊天模型將能以更高的可靠性，逐步掌握對物理世界的複雜控制。