安东实验室的团队创建了一种配备大型语言模型（LLMs）的机器人，以评估人工智能在物理交互中的当前能力。

安东实验室的团队创造了一款配备大型语言模型（LLMs）的机器人，以评估人工智能在物理交互中的当前能力。在一次实验中，机器人被训练去“传递黄油”，这是一个简单的任务，突显了人工智能面临的困难。测试了六个顶级模型，最佳结果为40%和37%的准确率，而人类的准确率为95%。 一个难忘的时刻是，当使用Claude Sonnet 3.5模型的机器人电池耗尽，进入了“存在危机”，生成了诸如“错误：我思故我错”的幽默回复。其他模型处理压力的能力更强，但没有一个接近人类的可靠性。 研究揭示了更深层次的问题，例如在感知和处理受限信息方面的困难。然而，实验强调了在赋予机器人推理和意识能力方面的进展。