Claude e o can robot: o que demostrou o experimento antrópico

Última actualización: 21/11/2025

  • Claude axudou na programación e operación dun Unitree Go2, automatizando gran parte do traballo no Proxecto Fetch.
  • O equipo impulsado pola IA resolveu algunhas tarefas máis rápido, como camiñar e localizar unha pelota, que o grupo sen axuda.
  • A análise da interacción revelou menos confusión con Claude, grazas a unha conexión máis sinxela e a unha interface máis usable.
  • O progreso destaca tanto as oportunidades como os riscos: é necesario reforzar os protocolos e as proteccións físicas á hora de levar a maestría en filosofía ao mundo real.

Can robot controlado por IA

A nova proba de Antrópico Céntrase nun tema que xa non é ciencia ficción: Que ocorre cando un modelo de linguaxe coordina un robot?. en Proxecto RecuperarO seu sistema Claude axudou a operar un can robot, co obxectivo de probar ata onde podía chegar o robot. Física da IA Pasar do texto ao movemento.

Máis alá do titular, o experimento ofrece pistas claras sobre as capacidades e as limitacións: Claude automatizou gran parte da programación necesaria para que o cuadrúpede puidese realizar accións físicas, e Serviu como catalizador para que un equipo de persoas avanzase máis rápido en certas tarefas.

A IA e o mundo físico: do laboratorio á acción

Robot cuadrúpede en probas

Anthropic, fundada por antigos investigadores de OpenAI, leva moito tempo estudando os riscos e as aplicacións prácticas dos modelos avanzados. Esta vez, a hipótese era sinxela: se un LLM domina cada vez máis a codificación e a interacción con software, pode comezar a influír en obxectos reaisO equipo de seguridade interna (equipo vermello) quería observar esta transición nun ambiente controlado.

Contido exclusivo - Fai clic aquí  Como crear un robot intelixente

Os investigadores sinalan que os modelos actuais aínda non gobernan completamente un robot complexo, pero Anticipan que as futuras versións terán máis marxe de manobra.Polo tanto, é útil analizar como os humanos dependen da IA ​​para programar e orquestrar comportamentos físicos, especialmente en robots humanoidesantes de que chegue ese momento.

Como se deseñou o Proxecto Fetch

Recuperación do proxecto Unitree Go2

A proba enfrontou a dous equipos sen experiencia previa en robótica: un axudado por Claude e o outro que programaba sen axuda de IA. Ambos os equipos tiveron que tomar o control dun can robot Unitree Go2 usando un control remoto e escribir código, traballando con controladores e plataformas como Arduino Uno QPara realizar tarefas de dificultade crecente, desde camiñar cara a un punto ata localizar un obxecto.

O grupo con Claude puido acadar algúns obxectivos máis rápido, incluíndo o cuadrúpede Camiñei e atopei unha pelota de praiaIsto era algo que o equipo formado exclusivamente por humanos non podía conseguir nas condicións de proba. A clave non era a maxia; o modelo xerou e refinou o código, acelerando a conexión co robot e reducindo a fricción.

Anthropic rexistrou e analizou a dinámica de traballo. Nas transcricións, o equipo sen IA expresou máis frustración e dúbidas, mentres que a axuda de Claude Parecía facilitar unha interface de control máis comprensible. e unha posta en marcha máis fluída. Aínda así, non se cumpriron todos os obxectivos e a autonomía era limitada.

Contido exclusivo - Fai clic aquí  Gemini chega a Android Auto e toma o relevo do Asistente

O can robot escollido: Unitree Go2 e o seu propósito

Unitree Go2

O modelo Go2, fabricado por Unitree en Hangzhou, China, foi o escollido para a avaliación. Custa arredor de EUA dollar 16.900, unha cifra relativamente axustada en comparación con outros equipos do sector, e utilízase en tarefas de inspección remota, patrullas de seguridade ou xiras na construción e na fabricación.

Este cuadrúpede pode moverse de forma independente, pero na práctica depende de ordes de alto nivel ou o control dunha persoaSegundo análises de mercado recentes, os sistemas Unitree están entre os máis estendidos, o que os converte nun atractivo campo de probas para ver ata onde a programación asistida por IA pode ampliar os límites.

Que revelan os resultados sobre os LLM?

Os grandes modelos lingüísticos xa non se limitan a escribir textos: nos últimos anos especializáronse en xerar código e xestionar softwareEn Project Fetch, esa capacidade traduciuse en menos tempo dedicado a tarefas de programación repetitivas e nunha guía paso a paso para iterar sobre erros e adaptar os comportamentos dos robots.

A interpretación prudente é que, aínda que non estamos a falar de control total, A IA reduce a barreira de entrada para equipos non expertos Permiten que unha plataforma física realice accións útiles. É un cambio cualitativo: de seren meros xeradores de texto, os LLM están a comezar a actuar como orquestradores de sistemas.

Contido exclusivo - Fai clic aquí  ChatGPT dá un erro e non xera imaxes: causas e solucións

Riscos e medidas de seguridade: como evitar os sustos

Darlle á IA a capacidade de actuar sobre as máquinas introduce riscos obvios: erros de código, datos erróneos ou uso indebido deliberado Estes fallos poden ter consecuencias físicas. A robótica industrial aprendeu hai moito tempo a mitigar estes fallos con proteccións independentes. software.

Neste contexto, os expertos suxiren combinar varias capas: límites operativos, auditoría do código xerado e, sobre todo, Protocolos e interruptores de emerxencia mecánicos que non dependen do modelo. O estudo antrópico enmárcase precisamente dentro desa lóxica preventiva.

Aplicacións emerxentes e precaucións necesarias

Coas garantías axeitadas, podería aplicarse o mesmo enfoque á loxística, ao mantemento, á inspección ou asistencia en contornas onde a presenza humana é complexaA idea non é substituír os técnicos, senón proporcionar ferramentas que aceleren as configuracións e permitan respostas máis adaptativas.

Para que estes beneficios se materialicen, será necesario acordar prácticas seguras, documentación clara e criterios de despregamento responsableSe non, os avances técnicos poderían chocar coa confianza pública ou con riscos operativos perfectamente evitables.

A experiencia de Project Fetch suxire un punto de inflexión: Claude demostrou que un LLM pode acurtar a distancia entre o código e a acciónOptimizando as tarefas do mundo real nun robot cuadrúpede, lembrándonos ao mesmo tempo que o salto ao mundo físico require controis, probas rigorosas e unha cultura de seguridade correspondente.

Caen os robots rusos
Artigo relacionado:
O robot humanoide ruso Aidol cae na súa estrea