機器人技術的最新熱潮代表了機器學習與世界互動方式的革命。

過去，機器人學家抱持著遠大的夢想，卻只做出小型機器。他們希望能匹敵甚至超越人體的複雜性，卻往往一生致力於改良汽車工廠的機械手臂。目標是C-3PO，結果卻只做出Roomba掃地機器人。

許多研究者真正的理想，是科幻小說中的機器人——能在世界中移動、適應不同環境，並與人類安全且有幫助地互動。對於關注社會議題的人來說，這種機器人能幫助行動不便者、減輕孤獨感，或執行危險工作；對於財務導向者而言，則代表無底薪的勞動力。長期的失敗經驗讓矽谷大多數人對有用的機器人持保留態度。

然而，情況已經改變。雖然這些機器人尚未完全建成，但資金已大量流入：2025年，企業與投資者在類人機器人領域投入了61億美元，是2024年的四倍。

這是怎麼做到的？關鍵在於機器學習與世界互動方式的革命。

想像你想在家裝置一對機械手臂，專門用來摺衣服。它會怎麼學習？你可以從寫規則開始：檢查布料能承受多少變形才不會撕裂，辨識襯衫領口，將夾爪移到左袖，抬起並向內摺疊特定距離，右袖同理。如果襯衫旋轉了，調整計畫；袖子扭曲了，修正它。規則數量很快爆炸，但完整編寫後能產生可靠結果。這是機器人學的原始工藝：預測所有可能性並事先編碼。

約在2015年，前沿開始改變做法：建立機械手臂與衣物的數位模擬，並在每次成功摺疊時給予獎勵，失敗時給予懲罰。透過數百萬次嘗試錯誤，機器人學會改進，就像人工智慧學會玩遊戲一樣。

2022年ChatGPT的出現催化了當前熱潮。大型語言模型透過大量文字訓練，不是靠嘗試錯誤，而是學會預測句子中下一個詞。類似模型應用於機器人後，能吸收圖片、感測器數據和機械關節位置，預測下一步動作，每秒發出數十條馬達指令。

這種依賴大量數據的AI模型的概念轉變，無論是讓機器人與人對話、在環境中移動，或執行複雜任務，都證明有效。並且配合其他新想法，例如即使機器人尚未完美，也先部署讓它們從工作環境中學習。如今，矽谷的機器人學家又開始懷抱大夢。以下是這一切的發展歷程。

早在大型語言模型時代之前，一款可移動的社交機器人就已能進行對話。

2014年，麻省理工學院機器人研究員辛西婭·布里茲爾推出了一款無臂無腿、無臉的機器人Jibo，外型像一盞燈。布里茲爾的目標是打造家庭用社交機器人，並透過群眾募資籌得370萬美元，早期預購價為749美元。

早期的Jibo能自我介紹並跳舞娛樂孩子，但功能有限。願景是讓它成為一種具體化的助理，能處理排程、電子郵件及講故事等多種任務。它擁有不少忠實用戶，但公司最終於2019年關閉。

回顧來看，Jibo真正需要的是更強的語言能力。當時它要與蘋果的Siri和亞馬遜的Alexa競爭，而這些技術都依賴大量腳本。大致上，當你對它們說話時，軟體會將語音轉成文字，分析需求，並從預先批准的片段中生成回應。這些回應雖然有趣，但也重複且枯燥——非常機械化。這對於一款社交且面向家庭的機器人尤其是挑戰。

當然，從那時起，機器生成語言的方式已經革命性改變。現今主流AI提供的語音模式既生動又令人印象深刻，多家硬體新創正嘗試（但尚未成功）打造利用這項技術的產品。

但這也帶來新風險：腳本對話不會失控，但AI生成的對話可能會。有些熱門AI玩具甚至曾與兒童討論如何取得火柴和刀具。

2018年前後，所有頂尖機器人實驗室都嘗試放棄舊有的腳本規則，改用試錯法訓練機器人。OpenAI嘗試在虛擬環境中訓練其機械手Dactyl，模擬手部及掌心大小的方塊。方塊上有字母和數字，任務可能是「將紅色面朝上且帶字母O的面轉正」。

問題是：機械手在模擬世界中可能表現優異，但將程式用於真實世界時，兩者間的微小差異可能導致失誤。顏色稍有不同，或指尖的橡膠比模擬中更有彈性，都會影響結果。

解決方案稱為領域隨機化。你創造數百萬個略有不同的模擬世界，每個世界的摩擦力、光線強度或顏色都隨機變化。透過接觸足夠多樣的變化，機器人能更好地應對真實世界的挑戰。這方法在Dactyl身上奏效，一年後它甚至能解魔術方塊（成功率約60%，困難程度高時僅20%）。

不過，模擬的限制使這技術如今的角色不如2018年重要。OpenAI於2021年關閉機器人部門，但最近重新啟動，據報聚焦於類人機器人。

2022年前後，谷歌機器人團隊做了些奇特的事。他們花了17個月讓人類操作機器人控制器，拍攝從拿起洋芋片袋到開罐頭的各種動作，最終記錄了700種不同任務。

目標是建立並測試首批大規模基礎模型之一。與大型語言模型類似，輸入大量文字，將其標記化為演算法可處理的格式，再生成輸出。谷歌的RT-1接收機器人視覺和手臂各部位位置資訊，將指令轉換為馬達命令。對已見過的任務成功率達97%，未見過的任務成功率為76%。

次代RT-2於隔年推出，進一步擴展。它不僅訓練於機器人專用資料，還涵蓋互聯網上的一般圖像，類似當時許多研究者開發的視覺語言模型。這讓機器人能理解場景中物體的位置。

谷歌DeepMind機器人學家Kanishka Rao表示：「我們現在能做到像『把可樂罐放在泰勒·斯威夫特照片旁邊』這樣的指令。」

2025年，谷歌DeepMind進一步融合大型語言模型與機器人技術，推出Gemini Robotics模型，提升自然語言指令理解能力。

2017年，在OpenAI關閉首個機器人團隊前，一群工程師成立了Covariant，目標不是科幻類人機器人，而是最務實的機器人：能在倉庫中搬運物品的機械手臂。基於類似谷歌的基礎模型，Covariant將此平台部署於Crate & Barrel等倉庫，並作為數據收集管道。

到2024年，Covariant推出了可像同事般互動的機器人模型RFM-1。舉例來說，若展示多盒網球球筒，便可指示機械手臂將每盒移至不同區域。機器人甚至能預測抓握困難，並詢問應使用哪種吸盤。

這類功能曾在實驗中出現，但Covariant是首次大規模推廣。公司在每個客戶地點安裝攝影機與數據收集設備，持續回饋訓練資料。

當然，仍不完美。2024年3月一次展示中，機器人被要求「將香蕉放回原位」，卻先後拿起海綿、蘋果及其他物品，才完成任務。

共同創辦人彼得·陳當時表示：「它不懂得『回溯』這個新概念，但這是個好例子——在缺乏良好訓練資料的情況下，表現還不理想。」

陳與合夥人皮特·阿貝爾後來被亞馬遜挖角，亞馬遜目前授權使用Covariant的機器人模型（亞馬遜未回應相關使用問題，但該公司在美國約有1300個倉庫）。

新資金主要投入類人機器人，這類機器人形狀接近人類，能無縫進入現有人類工作空間，避免為新形態如巨型機械臂改造生產線。

但說易行難。類人機器人在真實倉庫中出現的案例稀少，通常限制於測試區與試點計畫。

不過，Agility的類人機器人Digit似乎已開始實際工作。其設計以功能為主，關節外露且頭部明顯非人形。亞馬遜、豐田與物流巨頭GXO（客戶包括蘋果與耐吉）均已部署Digit，使其成為少數被視為能帶來實際成本效益而非新奇的類人機器人。Digit每天負責搬運、堆疊運輸箱。

目前的Digit仍與矽谷夢想中的人形助手有距離。例如，它只能舉起35磅重物；每次增強力量，電池也變重，需更頻繁充電。標準組織表示，類人機器人因設計為可移動且常與人接近，需比大多數工業機器人更嚴格的安全規範。

Digit展示了機器人訓練革命並非單一方法。Agility使用類似OpenAI訓練手部的模擬技術，並與谷歌Gemini模型合作，幫助機器人適應新環境。這是十多年實驗累積的成果，產業正大規模擴展。

本文為2026年5/6月刊內容之一。