克劳德和机器狗：人择实验揭示了什么

新测试 人类的 它关注的问题已经不再是科幻小说里的情节了： 当语言模型协调机器人时会发生什么？。 在 Project Fetch他们的 Claude 系统帮助操作机器狗，目的是测试机器人能走多远。 IA体质 从文字到动作。

除了标题所揭示的内容之外，该实验还提供了关于其能力和局限性的明确线索： 克劳德将大部分必要的编程工作自动化了。 这样四足动物就能进行各种身体动作，而且 它起到了催化剂的作用，促使团队成员在某些任务上更快地取得进展。.

人工智能与物理世界：从实验室到行动

Anthropic 由前 OpenAI 研究人员创立，长期以来一直致力于研究先进模型的风险和实际应用。这一次，他们的假设很简单： 如果一位法学硕士（LLM）越来越精通编码和交互， 软件可以开始影响真实物体内部安全团队（红队）希望在受控环境下观察这一转变。

研究人员指出，目前的模型尚不能完全控制复杂的机器人，但是 他们预计未来的版本将有更大的操作空间。因此，分析人类如何依赖人工智能来编程和协调物理行为，尤其是在以下方面，是十分有用的： 人形机器人在那时刻到来之前。

Project Fetch的设计过程

这项测试让两支此前没有任何机器人经验的队伍展开对决：一支队伍由克劳德协助，另一支队伍则完全依靠自身编程完成。两支队伍都需要使用遥控器控制一台 Unitree Go2 机器狗，并编写代码，与控制器和平台（例如……）进行交互。 Arduino Uno Q对 执行难度逐渐增加的任务从朝着某个点走到找到某个物体。

克劳德带领的小组更快地实现了某些目标，包括四足动物。 我走着走着，发现了一个沙滩球这是纯人工团队在测试条件下无法实现的。关键不在于魔法；模型生成并优化了代码，加快了与机器人的连接速度，并减少了摩擦。

Anthropic公司记录并分析了工作动态。在记录稿中，没有人工智能的团队表达了更多的沮丧和疑虑，而克劳德的协助则起到了作用。 它似乎有助于提供更易于理解的控制界面。 启动过程也更加顺利。即便如此，并非所有目标都得以实现，自主权也受到限制。

选定的机器狗：Unitree Go2 及其用途

本次评测选用的是杭州优尼特瑞（Unitree）生产的Go2型号。它的售价约为 $ 16.900与该行业的其他设备相比，这是一个相对紧凑的数字，用于建筑和制造业的远程检查任务、安全巡逻或巡视。

这种四足动物可以独立移动，但实际上它依赖于…… 高层命令或对某人的控制根据最近的市场分析，Unitree 系统是应用最广泛的系统之一，因此它们成为了一个有吸引力的试验场，可以检验人工智能辅助编程能够将界限推向多远。

研究结果揭示了LLM的哪些特性？

优秀的语言模型不再仅仅编写文本：近年来，它们已经专门从事…… 生成代码并进行管理 软件在 Project Fetch 项目中，这种能力转化为减少在重复性编程任务上花费的时间，以及逐步迭代错误和调整机器人行为的指南。

谨慎的解释是，虽然我们讨论的并非完全控制， 人工智能降低了非专业团队的准入门槛 它们使物理平台能够执行有用的操作。这是一个质的转变：LLM不再仅仅是文本生成器，而是开始扮演系统协调者的角色。

风险与保障措施：如何避免恐慌

赋予人工智能控制机器的能力会带来显而易见的风险： 代码错误、数据错误或故意滥用 这些故障可能会造成物理后果。工业机器人技术早已学会通过独立的保护措施来减轻这些故障的影响。 软件.

在此背景下，专家建议结合多个层面：操作边界、生成代码的审计，以及最重要的， 机械应急开关和规程 这些研究并不依赖于模型。人类学研究正是基于这种预防逻辑而展开的。

新兴应用及必要预防措施

采取适当的保障措施后，同样的方法也可以应用于物流、维护、检查或 在人类活动复杂的环境中提供援助其理念并非取代技术人员，而是提供能够加快配置速度并实现更灵活响应的工具。

为了实现这些益处，必须就安全操作规范、清晰的文档记录达成一致，并且 负责任的部署标准否则，技术进步可能会与公众信任相冲突，或者带来完全可以避免的运营风险。

Project Fetch 的经验表明，一个转折点已经到来： 克劳德证明，LLM 可以缩短代码与动作之间的距离。简化四足机器人执行现实世界任务的过程，同时也提醒我们，迈向物理世界的飞跃需要相应的控制、严格的测试和安全文化。