近日，纽约大学和Meta的研究人员成功开发了一款名为OK-Robot的新系统，旨在训练机器人在以前未曾接触的陌生环境中执行拾取和移动物体等任务。该系统通过利用现有的开源人工智能模型，使机器人能够在缺乏可用数据的情况下，迅速适应并完成复杂任务，为实际机器人应用提供了更便捷的解决方案。

在项目中，研究人员使用了商用机器人Stretch，并将其放置在五个家庭的十个房间中，通过Record3D应用扫描环境，获得3D视频。这些数据被输入到OK-Robot系统中，后者使用开源人工智能对象检测模型来识别房间内的物体，包括玩具、牙膏和扑克牌等，以及房间的布局，如椅子、桌子和垃圾桶。

OK-Robot系统的独特之处在于，它不需要为机器人提供额外的昂贵、复杂的培训，而是充分利用现有的开源模型和工具。在测试中，研究人员成功指导机器人拾取并移动特定物品，其钳臂成功率达到58.5%。在整洁度较高的房间中，成功率提升至82%。

然而，由于使用的模型并非专门为该项目微调，当机器人无法找到物体时，它的行为相对受限。项目的研究人员希望通过与其他技术的结合，如语音识别模型，进一步提升机器人的多功能性，使其在更广泛的家庭环境中发挥作用。

该项目的联合领导者、纽约大学计算机科学助理教授Lerrel Pinto表示，通过OK-Robot的成功应用，家用机器人有望在未来迎来更多创新，使人们对家庭与机器人结合的可能性更加信心十足。这一研究成果标志着在缩小人工智能模型与实际机器人应用之间差距方面取得的一项重要进展。