机器人体操易而家务难，揭示物理AI能力假象

我观察到机器人学中有一个微型的莫拉维克悖论：对人类来说困难的体操，对机器人来说比烹饪、清洁、组装等“不性感”的任务容易得多。这导致领域外的人产生认知失调：“所以，机器人能跑酷和跳霹雳舞，但为什么不能照顾我的狗？”相信我，我父母问这个问题的次数比你想象的多……

“机器人莫拉维克悖论”还造成一种错觉，以为物理AI的能力远比实际先进。我不是单指Unitree，这广泛适用于行业近期所有杂技演示。这里有一个简单测试：如果在侧空翻机器人面前立一堵墙，它会全速撞上去，场面惨烈。因为它只是过拟合了单个参考动作，完全没感知周围环境。

悖论存在的原因：训练“盲人体操运动员”比训练能看和操作的机器人容易得多。前者完全可以在仿真中训练并零样本迁移到现实，而后者需要极其逼真的渲染、接触物理和混乱的现实物体动力学——这些都难以仿真。

想象一下，如果LLM不是从互联网训练，而是从纯手工制作的文字控制台游戏训练。机器人研究者很幸运。我们恰好生活在一个加速物理引擎足够好的世界，可以不用任何真实数据就实现令人印象深刻的杂技。但对于通用灵巧操作，我们还没找到同样的作弊代码。

在那之前，我们仍会被困惑的父母质问。