波士顿动力的「大黄狗」Spot 可以说是网红机器人的典范。

会巡逻、会搬砖、会跳舞 Spot 自诞生以来就吸引了全世界机器人爱好者的目光，谁能拒绝像这样一条动作灵活、姿态憨厚，还会卖萌的机器狗呢。

用 ChatGPT 大幅简化人机交互

当你问到一些「Yes Or No」的简单问题时，它还会用「点头」「摇头」等身体语言代替语音来回答你，由此可见 Spot 远不是内置了一个智能音箱那么简单。

有趣的是，当你问它「你是谁？」的问题时，它会回答「我是 OpenAI。」，而不是机器狗 Spot。

Santiago 所在的公司 Levatas 是一家与波士顿动力合作的 AI 公司，为企业提供专业解决方案，帮助企业探索如何利用机器人解决实际问题。

Santiago 认为，给 Spot 装上 ChatGPT 最大的实际意义，是把原本只有技术人员才能处理的复杂数据变成了任何人都能看得懂、听得懂的自然语言。

在这个「初版」智能 Spot 中，Santiago 更详细地介绍了其中的原理：

Whisper 可以高效地把语音实时转换成文字，转换的正确率和速度都非常可观。通过把 Whisper 与 Spot 的 SDK 结合在一起，它可以从人类说的话中提取关键文字，然后通过 SDK 向 Spot 发送命令。

只需要向它说句话，就可以让 Spot 离开充电坞，起身去检查仪表是否出现问题，大大降低了人类的操作成本。

Santiago 的实践从一个很好的角度回答了一个被广泛讨论的问题：ChatGPT 一类的大语言模型到底有什么意义？

一开始，人们认为 ChatGPT 就是一个单纯文本生产式 AI，它有着比较强的自然语言理解能力，可以写文章、写报表，虽然不那么靠谱，但也算惊艳。

后来人们发现只要给 ChatGPT 恰当的指令，它可以代替人类自动得完成编程或者文字处理等工作，犹如一台基于自然语言运转的计算机。

OpenAI 发布了插件集功能后，ChatGPT 可以与许多互联网的应用结合在一起，把很多跨平台的操作用对话整合在了一起，变成了互联网的新入口。

微软发布的 Copilot 则启发了人们对下一阶段人机交互的想象：图形操作界面并不一定是永远合理的范式，许多我们习以为常的操作都可以被对话代替。

再回到 Spot 上时，我们就能比较清晰地看出大语言模型的意义：简化人机交互，赋予机器人更高级的智能。

无论是把 ChatGPT 当作新的互联网入口，还是当作控制具备学习能力、问题分析能力和执行高精度操作能力的工业机器人的遥控器，本质上都是把复杂的指令集变成自然语言，降低操作成本。

这种赋能将使未来的工业机器人不仅仅成为指令执行的工具，更能具备与人类大脑相当的智能水平。

就像图形界面把复杂的命令行变成了一个个直观的图标，现在点按不同图标的复杂操作又变成了一句简单的话，人类正在从图形用户界面走向一个新的阶段：自然语言用户界面。

在这个阶段，大语言模型将成为工业机器人的关键技术，它将简化人机交互，提高生产效率，进一步推动人类社会的科技发展。

并且在某些情况下，语言模型在理解语言时甚至会比人类表现得更好。普林斯顿大学的教授 Arvind Narayanan 在他一篇博客中提到了他的一个亲身案例。

Arvind Narayanan 为 ChatGPT 接上了语音交互，给自己快要四岁的女儿使用。就和所有孩子一样，他的女儿也充满好奇心，经常问 ChatGPT 各种问题。

让他感到意外的是，当他告知 ChatGPT 它在和一位小朋友说话时，ChatGPT 变得很善于表达同理心。

女儿：「关灯后会发生什么事？」

ChatGPT：「关了灯之后，会变得很黑，也可能会有点让人害怕。但不用担心！有很多东西能帮助你在黑暗中感到安全和舒适。」

《彭博社》专栏作家 Parmy Olson 指出，微软和 Google 都忙着把大模型用在搜索引擎上，但却没看到，和作为一个事实提供者相比，ChatGPT 更合适做情感陪伴者。

Olson 还让 ChatGPT 去做了情商测试，结果居然比她自己和同事都好。正因为 ChatGPT 是用网络上文字素材训练的，数据中会有大量错误信息，但这也让它更善于模仿共情。

这些案例都充分说明了，大语言模型对自然语言的理解能力其实有着很大的应用潜力。

借助如此强大的理解能力，我们可以利用大语言模型真正实现又一次的人机交互革新，同时大语言模型的出现为机器人的发展带来了新的可能性。

大语言模型可以让机器人可以更好地理解和处理指令，更快地学习和适应新的任务和环境。

《纽约客》在封面文章 《黑暗工厂》（Dark Factory）中提到，目前工业机器人一个共同的难点，就是设计一个像人手一样的「末端执行器（end effector）」，让机器人能以不同的力度抓取大小形状各异的物体。

如果这个技术难题得到解决，机器人能完成更多精细的工作，很多领域自动化的程度也会大大提高。比如各种水果的采摘可以实现自动化，富士康的流水线也不再需要这么多工人了。

未来的工业机器人不仅仅应该是指令执行的工具，更应具备与人类大脑相当的智能水平，具备学习能力、问题分析能力和执行高精度操作的能力。

在工业生产线上，「肌肉发达」的工业机器人更加灵活高效，能够更好地应对各种生产问题，提高生产效率和质量。例如，在汽车制造领域，大语言模型可以为机器人赋予更强的智能和认知能力，使其能够更好地完成多样化的任务。

在医疗机器人领域，机器人可以通过自然语言处理技术与医生和病人进行交流，提供更好的医疗服务。

大语言模型为机器人行业带来了一颗强大的大脑，为机器人创造了出更泛化的应用场景，这很有可能会成为第四次工业革命的技术核心。而「语音版」Spot，便是这场技术变革迸发出的第一缕火花。