当虚拟鸭子追着我的猫跑：我看到了机器人的未来

一只黄色的塑料小鸭子摇摇摆摆地穿过客厅地板，绕过沙发腿，直奔我那只正在打盹的猫而去。被惊动的猫猛地抬起头，盯着这个巴掌大的不速之客；而鸭子仿佛“有主意”似的，微微调整方向，锲而不舍地追了上去。这不是某款游戏的截图，而是 WIRED 记者威尔·奈特在自己客厅里进行的一场机器人实验。

实验的主角叫 Microduck，一台体型小巧、结构简单的消费级机器人。它的硬件谈不上惊艳：小电机、基础传感器、塑料外壳。真正让它在客厅里“活”起来的，是背后驱动它的一个 OpenAI 模型。我没有为它逐行编写动作指令，而是用自然语言告诉它要做什么——就像给一个新来的实习生交代任务——然后看着它自己把“走路”“转向”“跟着目标移动”这些动作拼装出来。它最终学会了两件事：摇摇摆摆地行走，以及在我家猫面前扮演一个笨拙但尽职的“微型猫管家”。

从“写代码”到“说话”：教机器人做事的方式变了

过去，让一台机器人完成一个动作，是工程师的苦活：建模、标定、写控制逻辑、反复调参。一个“走过去并跟随目标”的行为，可能就要耗掉数周时间。而现在，大语言模型正在充当机器人的“大脑翻译层”：人给出自然语言目标，模型把它拆解成一系列可执行的动作或代码片段，再交由电机和传感器去完成。

这条路线在过去两年里快速升温。Google DeepMind 的 RT-2 尝试让视觉-语言模型直接输出机器人动作；“代码即策略”（Code as Policies）则让模型生成控制代码；而 OpenAI 的模型被广泛用于把模糊的人类意图转化为结构化的行为序列。Microduck 的实验之所以有意思，不在于它用了多么前沿的算法，而在于它把这件事搬进了普通人的客厅：一台几十美元级别的玩具，也能获得过去只有实验室机械臂才有的“理解力”。

真正的变化不在于鸭子会走路，而在于“教它走路”这件事，第一次变得像聊天。

机器人宠物的“临界点”

消费级机器人曾经历过一轮幻灭。Anki 的 Cozmo 一度惊艳，公司却在 2019 年关门；索尼的 Aibo 机器狗以高昂售价复活，成为小众奢侈品；一批桌面机器人则在众筹页面留下了一地鸡毛。核心症结始终相同：硬件成本高、行为脚本僵硬、交互很快就让人厌倦。

大模型正好补上了最后一块短板——泛化能力。当机器人不再依赖预先写死的脚本，而是能理解“把那个东西带过来”“别撞到猫”这类日常表达时，它的行为就不再是有限的几条动画，而是可以被不断“教”出新花样。对厂商而言，这意味着同一套硬件可以通过更新模型获得新技能，产品生命周期被显著拉长；对用户而言，玩具第一次有了“越玩越聪明”的可能。

编者按：玩具是试验场，也是数据场

需要冷静看待的是，一次客厅里的成功演示，距离可靠的产品还有很长的路。首先是算力与延迟：把大模型塞进廉价硬件并不现实，多数方案依赖云端推理或蒸馏后的小模型，一旦断网或延迟升高，那只鸭子就会立刻变回一块塑料。其次是安全与隐私：一台带摄像头和麦克风、会跟着人到处走的家用机器人，本质上是一台移动的感知设备，数据去向必须被严肃对待。

更根本的问题在于，大模型解决的是“理解意图”，而机器人真正的难点是“物理智能”——在打滑的地板、突然伸出的脚、电量不足的电池面前保持稳定。语言模型可以让机器人“知道该做什么”，却无法替它“学会站稳”。这也是为什么玩具和宠物机器人会成为理想的试验场：它们成本低、容错高、用户预期温和，恰好适合用来打磨“语言到动作”这条链路。

但方向已经清晰。当教机器人做事从写代码变成说话，机器人开发的门槛就被彻底重构了。未来几年，我们大概会看到更多“不聪明但很便宜”的小机器人进入家庭，它们不会取代工业机械臂，却会悄悄改变人与机器相处的方式——从下达命令，变成共同生活。

那只追着我猫跑的鸭子，最终能不能成为一个合格的猫管家，我并不确定。但它至少证明了一件事：机器人的未来，可能不是从工厂流水线上走下来的，而是摇摇摆摆地，从客厅地板上走过来的。

本文编译自 WIRED。