一只黄色塑料小鸭摇摇摆摆地穿过客厅，绕开沙发腿，径直冲向我那只打盹的猫。猫被惊得猛地抬头，死死盯着这个巴掌大的闯入者。鸭子倒像“心里有数”，稍稍调了下方向，又锲而不舍地追过去。这可不是游戏截图，而是 WIRED 记者威尔·奈特在自家客厅做的一场机器人实验。
实验主角 Microduck 是一台体形小巧、结构简单的消费级机器人。它的硬件没什么可吹的：小电机、基础传感器、塑料外壳。让它在客厅里“活”过来的，是背后那个 OpenAI 模型。我没有一行行给它写动作指令，而是用自然语言交代它要干什么——跟带新来的实习生差不多——然后看它自己把“走路”“转向”“跟着目标移动”这些动作拼起来。最后它学会了两件事：摇摇摆摆地走，以及在我家猫面前当一个笨拙但尽责的“微型猫管家”。
从“写代码”到“说话”：教机器人做事的方式变了
以前让机器人完成一个动作，是工程师的苦差事：建模、标定、写控制逻辑、一遍遍调参。光是“走过去并跟随目标”这么一个行为，可能就得耗掉好几周。如今大语言模型充当起机器人的“大脑翻译层”：人给出自然语言目标，模型把它拆成一系列可执行的动作或代码片段，再交给电机和传感器去落实。
这条路过去两年升温很快。Google DeepMind 的 RT-2 试着让视觉-语言模型直接输出机器人动作；“代码即策略”（Code as Policies）让模型生成控制代码；OpenAI 的模型则被大量用来把模糊的人类意图转成结构化的行为序列。Microduck 这场实验有意思的地方，不在于算法多前沿，而在于它把这事搬进了普通人的客厅：一台几十美元级别的玩具，也能拿到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”
消费级机器人吃过一轮幻灭的亏。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，成了小众奢侈品；还有一批桌面机器人在众筹页面上留下一地鸡毛。症结始终一样：硬件成本高、行为脚本僵硬、交互很快就让人腻。
大模型恰好补上了最后一块短板——泛化能力。机器人不再依赖预先写死的脚本，能听懂“把那个东西带过来”“别撞到猫”这类日常表达，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。对厂商来说，同一套硬件更新模型就能获得新技能，产品生命周期明显拉长；对用户来说，玩具头一回有了“越玩越聪明”的可能。
编者按：玩具是试验场，也是数据场
但得冷静看：客厅里一次成功演示，离可靠的产品还差得远。先是算力和延迟——把大模型塞进廉价硬件并不现实，多数方案靠云端推理或蒸馏后的小模型，一旦断网或延迟升高，那只鸭子立刻变回一块塑料。再是安全和隐私：一台带摄像头和麦克风、会跟着人到处走的家用机器人，本质上就是一台移动的感知设备，数据流向必须被认真对待。
更根本的问题在于，大模型解决的是“理解意图”，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。语言模型能让机器人“知道该做什么”，却没法替它“学会站稳”。这也是玩具和宠物机器人会成为理想试验场的原因：成本低、容错高、用户预期温和，正好拿来打磨“语言到动作”这条链路。
不过方向已经清楚了。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。未来几年，大概会有更多“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，却会悄悄改变人和机器相处的方式——从下达命令，变成共同生活。
追着我家猫跑的那只鸭子，往后能不能胜任猫管家，我心里没底。可它起码说明了一点：机器人未必得从工厂流水线上下来，说不定是摇摇晃晃从客厅地板上走过来的。
