7月7日，一项研究显示，ChatGPT在航天器自主控制模拟竞赛中表现优异，获得第二名。该竞赛基于游戏《坎巴拉太空计划》，测试大型语言模型（LLM）在航天任务中的应用潜力。研究人员通过将航天器状态和目标转化为文本描述，使ChatGPT生成操控建议，并通过转换层实现功能代码输出。此方法展现了LLM在减少训练优化需求上的优势，尽管仍面临“幻觉”问题的挑战。研究结果表明，现成的LLM也能为航天领域提供创新解决方案，未来或助力解决手动控制卫星和深空探测延迟等问题。相关论文即将发表于《空间研究进展》杂志。

波士顿动力的Atlas机器人近期展示了其自主搬运物件的能力，无需远程遥控，全程自主操作，吸引了超过50万网友在线观看。该机器人在近3分钟的演示中，展现了灵活的360°旋转能力和自主纠错功能，能应对复杂环境变化。此次展示的Atlas使用机器学习视觉模型来检测和定位环境中的固定装置及单个箱子，并通过专门的抓取策略完成任务。相比之下，特斯拉的Optimus机器人虽也展示了多种技能，但存在远程操控的质疑。波士顿动力的优势在于单兵作战能力，而特斯拉则在量产和商业化方面更具优势。尽管有人对Atlas的技术路线提出疑问，认为基于点和规划器的方法在泛化能力上不如神经网络，但英伟达最新发布的HOVER系统提供了新的解决方案，其神经网络控制器能大幅提高人形机器人的运动和操作协调能力。此次展示再次证明了人形机器人技术的快速发展及其潜在的应用前景。