标题：自诩无所不知的大模型，能否拯救笨手笨脚的机器人？

从上海到纽约，全球餐厅里的机器人正忙碌地制作汉堡、披萨和炒菜，它们通过精准执行指令完成重复性工作。然而，南加州大学博士生Ishika Singh希望打造的是一种能真正“做晚饭”的机器人，它需具备常识、灵活性和应变能力，而这超出了传统编程的范畴。

问题的核心在于经典规划流程，它要求机器人学家提前定义每个动作及其前提和后果。即使编写数千行代码，机器人仍难以应对突发状况。一个理想的晚餐机器人需了解饮食文化、厨房布局、服务对象的需求，以及处理意外事件的能力。

Singh的导师Jesse Thomason指出，实现这一目标极具挑战性。尽管YouTube上展示了许多灵活的机器人视频，但它们的适应能力仍不及人类。传统机器人在受限环境中执行预设脚本，而现实世界的变化莫测使它们显得脆弱。

2022年，ChatGPT的出现为机器人注入了新的可能性。这款基于大语言模型（LLM）的工具能生成文本、模仿人类语言风格，几乎能解答任何烹饪问题。LLMs具备机器人欠缺的知识宝库，而机器人则能将语言模型的语义知识转化为实际行动。

然而，LLMs并非完美。它们容易出错、带有偏见且易受诱导。尽管如此，一些专家仍尝试结合LLMs与机器人，如Levatas公司的机器人能在特定工业环境中执行任务。但在更复杂的环境中，这些机器人仍显局限。

将LLMs接入机器人面临诸多挑战。一方面，机器人需处理物理世界中的随机性和不确定性；另一方面，LLMs的训练数据可能存在偏见。尽管如此，研究者正在探索将LLMs的常识与机器人实际操作相结合的方法，以突破现有技术瓶颈。

例如，Singh团队开发的ProgPrompt方法，通过示例指导LLM生成机器人可执行的Python代码，显著提高了任务成功率。此外，SayCan系统利用LLMs筛选适合的机器人行为，展现了高阶语义理解能力。

尽管如此，机器人语言理解与实际操作之间的鸿沟仍未完全弥合。如何确保LLMs的指令安全可靠，仍是未来研究的重要方向。