代爾夫特理工大學和瑞士技術大學的研究人員在chatGPT的幫助下，經過深思熟慮并接受了挑戰，開發了一款西紅柿采摘機器人。

TU Delft 和 EPFL 的研究人員使用 ChatGPT 設計的番茄采摘機器人在測試環境中移動。圖片來源：Adrien Buttier / EPFL

ChatGPT 擅長處理詩歌、散文、書籍和潛在的機器人設計。但是，在設計過程中使用 ChatGPT 既有風險也有好處。

TUDelft 和瑞士技術大學 EPFL 的研究人員在 chatGPT 的幫助下開發了一種番茄收獲機器人。在與 ChatGPT 討論后，他們決定應對挑戰并設計一個機器人。

有用的建議

研究人員采用了 ChatGPT 的設計決策，特別是在概念階段重視其輸入。研究人員強調，ChatGPT 擴展了設計師在各個領域的知識，例如識別具有經濟價值的自動化作物。在實施過程中，ChatGPT 提供了一些有用的建議，例如“使用硅膠或橡膠作為抓手以防止番茄被壓碎”和“使用 Dynamixel 電機以獲得最佳機器人驅動”。合作成果是一個番茄收取機械臂，展示了人類與人工智能 (AI) 的協同作用。

作為研究員的 ChatGPT

研究人員認為協作設計過程是積極和豐富的。然而，工程師的角色轉向了技術任務。在異常極端的情況下，人工智能可以完全控制機器人的設計過程，提供所有必要的輸入，而人類則毫無疑問地跟隨它的領導。在此設置中，大型語言模型 (LLM) 是負責所有技術方面的研究人員和工程師。同時，人類承擔了管理者的角色，負責定義設計目標和監督流程。

錯誤信息的風險

現在的 LLM 無法實現這樣的極端場景，其可取性值得懷疑。未經驗證的 LLM 輸出可能會產生誤導，帶來錯誤信息和機器人偏見的風險。與法學碩士合作會引發對剽竊、可追溯性和知識產權的擔憂。該團隊計劃在他們正在進行的機器人研究中使用番茄收獲機器人。他們還探討了 LLM 在設計新機器人中的作用，主要關注 AI 在塑造身體方面的自主性。研究人員最后強調了一個懸而未決的問題，即使用 LLM 來協助機器人開發人員，同時保留應對 21 世紀機器人技術挑戰所必需的創造力和創新。