清华大学机器人学助理教授、千寻智能联合创始人兼首席科学家高阳近日表示，最快从明年开始，人形机器人就能听懂口头指令并完成大多数通用任务，但真正进入家庭、承担实用工作仍需时日。
随着中国人形机器人硬件能力快速提升，冲刺、跳舞甚至后空翻都已不成问题，企业竞争重心正转向软件，即提升机器人智能水平，让它们承担更多有经济价值的任务，这一领域被称为具身智能。
高阳指出，“大脑”是整个机器人技术栈中最薄弱的一环。他预计到2027年年中达到“GPT-3.0”级里程碑，届时人们可直接用自然语言与机器人交流，它会执行一系列合理的物理动作尝试完成任务。整个行业都在等待自己的“ChatGPT时刻”，即把前沿技术变成实用产品的软件突破。
为训练机器人，千寻智能在全国安排约1000名合同人员收集真实世界数据，其机器人在结构化客厅环境中完成简单任务的成功率已达90%。高阳预计，未来一两年是工业应用的初始窗口，两年后机器人将进入商业服务场景执行较简单任务，而进入家庭要困难得多。
不过，旋开瓶盖等精细动作，以及处理此前未遇到过的任务，仍是机器人需要攻克的难题。