代尔夫特理工大学和瑞士技术大学的研究人员在chatgpt的帮助下，经过深思熟虑并接受了挑战，开发了一款西红柿采摘机器人。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜
在测试环境中，由TU Delft和EPFL的研究人员利用ChatGPT设计的番茄采摘机器人进行移动。图片来源：Adrien Buttier / EPFL
ChatGPT 擅长处理诗歌、散文、书籍和潜在的机器人设计。但是，在设计过程中使用 ChatGPT 既有风险也有好处。
TUDelft 和瑞士技术大学 EPFL 的研究人员在 chatGPT 的帮助下开发了一种番茄收获机器人。在与 ChatGPT 讨论后，他们决定应对挑战并设计一个机器人。
有用的建议
研究人员采用了 ChatGPT 的设计决策，特别是在概念阶段重视其输入。研究人员强调，ChatGPT 扩展了设计师在各个领域的知识，例如识别具有经济价值的自动化作物。在实施过程中，ChatGPT 提供了一些有用的建议，例如“使用硅胶或橡胶作为抓手以防止番茄被压碎”和“使用 Dynamixel 电机以获得最佳机器人驱动”。合作成果是一个番茄收取机械臂，展示了人类与人工智能 (AI) 的协同作用。
作为研究员的 ChatGPT
研究人员认为协作设计过程是积极和丰富的。然而，工程师的角色转向了技术任务。在异常极端的情况下，人工智能可以完全控制机器人的设计过程，提供所有必要的输入，而人类则毫无疑问地跟随它的领导。在此设置中，大型语言模型 (LLM) 是负责所有技术方面的研究人员和工程师。同时，人类承担了管理者的角色，负责定义设计目标和监督流程。
错误信息的风险
现在的 LLM 无法实现这样的极端场景，其可取性值得怀疑。未经验证的 LLM 输出可能会产生误导，带来错误信息和机器人偏见的风险。与法学硕士合作会引发对剽窃、可追溯性和知识产权的担忧。该团队计划在他们正在进行的机器人研究中使用番茄收获机器人。他们还探讨了 LLM 在设计新机器人中的作用，主要关注 AI 在塑造身体方面的自主性。研究人员最后强调了一个悬而未决的问题，即使用 LLM 来协助机器人开发人员，同时保留应对 21 世纪机器人技术挑战所必需的创造力和创新。
