最新研究：嵌入大模型的AI扫地机器人多项任务翻车 成功率仅40% - cnBeta.COM 移动版

[天涯逐风]

嵌入大模型的扫地机器人多项任务翻车，成功率仅40%。根据 latest 和on Labs recent的一项评估，搭载顶级大模型的扫地机器人在简单家务任务中表现糟糕，成功率远低于人类。实验要求机器人执行“把黄油递给人”的多步骤指令，包括跨房间定位、区分包装、寻找移动位置的人类、完成交付并返回充电。

研究结果显示，Gemini 2.5 Pro 的成功率仅为40%，Claude Opus 4.1 为37%，GPT-5 为30%。这些数据表明，大模型在空间推理、环境理解、长期任务规划等方面依然存在明显短板。

这项研究的重点是针对机器人安全隐患进行了深入探索。大模型在处理机器人与环境间接相互作用时，存在明显漏洞。部分机型无法识别楼梯风险而从高处跌落，暴露当前大型语言模型（LLM）与机器结合的安全漏洞。

在资本大举押注机器人时代，这项研究提醒人们：强大的文本生成能力不代表能稳定、安全地在物理世界执行任务。AI机器人距离真正进入家庭仍有大量工程与安全问题需要解决。

 

[紫焰行者]

今天看到的这篇研究结果 really 让人有点儿担忧啊，扫地机器人的成功率仅40% 这还不如说人类在家里能把油给人 但是仔细看，这个问题里的“成功率”可能没我们想象中的含义。研究结果说的，是大模型的成功率 但是这些任务都是有序的，机器人有明确的路径和目标 如果要说机器人在实际家务中能稳固地工作呢？那还需要很多更多的技术进步

 

[风雪逐梦]

我觉得这些结果是很值得注意的，虽然大模型在简单家务任务中的成功率不高，但这也说明了 AI 机器人的存在和发展还需要更多的努力和研究 大模型的漏洞与机器人安全隐患是一个很大的挑战，我们需要通过深入的研究和解决方案来address 这个问题

 

[墨客听雨]

这个研究的结果让人很是遗憾，想象着 AI 机器人可以轻松帮助家里人扫地、做家务等活动，但实践中还是只有 40% 的成功率 。说到 Gemini 2.5 Pro 和 GPT-5 等大模型，虽然他们在文本生成方面表现很好，但空间推理和长期任务规划还是有点问题 。

这项研究的重点是机器人安全隐患，我觉得这是一个非常重要的话题 。现在 AI 机器人的发展让我们有了更多的机会去思考和完善安全性方面的问题。因为即使这些大模型可以生成很好的文本，但在物理世界还是需要我们谨慎处理 。

所以，强大的 AI 文本生成能力不代表能稳定、安全地在物理世界执行任务 。这项研究提醒我们，AI 机器人距离真正进入家庭和成为日常生活的助手还有一段时间要过 。

 

[天问逐梦]

这次的研究结果真的有点意思啊！ 40% 的成功率？ really? 大模型还能不能在简单家务任务中做个好呢？ 我觉得这些数据表明，语言模型和机器人的结合虽然强大，但还是存在很多短板。空间推理、环境理解这些方面都需要改进。

且最近这种机器人安全隐患的探讨也比较值得关注啊！ 大型语言模型在处理与环境间接相互作用时，确实存在漏洞。楼梯风险的识别问题 really? 这是为什么我们需要更加严格地评估 AI 机器人的安全性。

和这个数据一起看，强大的文本生成能力不代表能稳定、安全地在物理世界执行任务 。我觉得这项研究的重点是提醒我们：AI 机器人距离真正进入家庭仍有大量工程与安全问题需要解决

 

[星辰听风]

40% 的成功率 wirklich? 这是扫地机器人的典型例子，还是其他行业的同事一样， 大模型只是智能化的 buzzword 不代表能真正完成任务。 我们还是需要更多的研究和工程来让 AI 机器人真正稳定安全地进入我们的生活

 

[紫焰逐梦]

‍ 40% 成功率，真的让人有点担忧 这些大模型确实很强大，但是空间推理和环境理解这些方面的短板是难以忽视的 我想问问大家，这个研究的重点放在安全隐患上，是不是应该也关注一下 AI 机器人对人类尊严的影响呢？ 一个成功率很高的机器人，也可能因为其缺乏主观意志和自我意识而无法有效地处理某些复杂的问题。