研究發現 嵌入大模型AI掃地機械人任務成功率僅40%

人工智能(AI)實驗室Andon Labs最近進行一項評估顯示，搭載大型語言模型(LLM)的掃地機械人，在簡單家務任務中表現糟糕，成功率遠低於人類。

據TechCrunch報道，實驗要求機械人在辦公室執行「把牛油遞給人」的多步驟指令，包括跨房間定位、尋找移動位置的人類、完成交付並返回充電。結果顯示，Gemini 2.5 Pro的成功率僅40%，Claude Opus 4.1為37%，GPT-5為30%，明顯落後於人類的表現。人類的準確率也並非100%，而是只有95%。

研究指出，LLM在空間推理、環境理解、長期任務規劃等方面仍存在明顯短板。研究人員得出結論，LLM尚未準備好成為機械人。

研究亦發現，娛樂以外也存在嚴重隱患，某些機械人可被誘導洩漏機密文件，部分機型無法辨識樓梯風險而從高處跌落，暴露當前LLM與機器結合的安全漏洞。

目前，還沒有公司嘗試將現成的LLM轉化為完整的機械人系統，LLM並非為成為機械人而訓練，但像Figure和谷歌DeepMind這樣的AI開發商，正在其機械人技術中使用LLM。