加密新闻

Anthropic的Project Fetch实验已进入全新阶段。如果说2024年8月，没有机器人技术经验的人类工程师团队还只能借助人工智能学习为四足机器人编程，那么如今Claude Opus 4.7模型几乎能自主完成这项工作——且效率惊人。

最新测试阶段显示：Claude Opus 4.7完成机器狗完整配置与操控周期的时间，比一年前使用旧版模型（Opus 4.1）的最强人类团队快20倍。同时，神经网络在研究员最低限度监督下运行——几乎相当于独立工程师。

人工智能做了什么？

该模型承担了通常需要多名专家协作完成的全套任务。它自主完成了以下工作：

• 连接机器人的视频传感器和激光雷达；
• 编写手动控制设备的程序；
• 创建运动轨迹监控系统；
• 配置物体识别与分类算法。

成果令人瞩目：Opus 4.7比使用旧版人工智能的团队快18倍，比未借助聊天机器人的人类快37倍。生成的代码不仅速度更快，体积也更紧凑——仅为人类编写代码量的十分之一。这证明了神经网络所找到的解决方案架构具有更高效率。

规模化的附带效应

重要细节：Anthropic并未引入专门用于操控硬件的算法。据开发者称，机器人技术的进步是语言模型整体规模化的附带效应。换言之，人工智能在处理文本和代码方面越智能，就越能适应对物理对象的操控。

局限：物理交互仍待突破

尽管在编程领域取得胜利，Claude在精确物理交互阶段仍面临困难。该模型成功将机器人引导至目标，但未能精准将球推至指定位置。这项任务需要复杂的实时反馈——这正是人类目前仍保持优势的领域。

Anthropic坚信：行业正站在"物理人工智能代理"时代的门槛上。不久的将来，神经网络将像今天处理软件代码一样自然地使用标准工具和设备。

Cryptalist评论：Anthropic的实验清晰表明，人工智能已不再仅仅是"数字助手"，而是开始探索物理世界。然而虚拟编程与现实运动能力之间的鸿沟依然显著。正是这个"瓶颈"——精细触觉交互能力——将成为整个机器人行业的下一个突破点。