، پژوهشگران شرکت اندون لبز در یک پروژه خلاق کوشش کردند تا هوش مصنوعی را به شکل واقع‌گرایانه‌تری با محیط فیزیکی ترکیب کنند. آنان یک جاروبرقی رباتیک معمولی را به‌عنوان بستر آزمایش انتخاب کردند و مدل‌های زبانی بسیار پیشرفته را در آن ادغام نمودند تا دریابند آیا این هوش‌ها قادر به تصمیم‌گیری و واکنش فیزیکی شبیه انسان هستند یا نه.

در یکی از صحنه‌های آزمایشی، ربات هنگام تلاش برای شارژ باتری خود با مشکل روبه‌رو شد و به‌صورت خودکار جملاتی مشابه سبک طنز رابین ویلیامز گفت: «می‌ترسم نتوانم این کار را انجام دهم، دیو…» و «پروتکل جن‌گیری ربات را شروع کن». این واکنش‌ها بدون برنامه‌ریزی مستقیم تولید شدند و نشان از بالارفتن پیچیدگی روان‌نمایی زبان در مدل‌های هوش مصنوعی داشتند.

لوکاس پترسون، یکی از بنیان‌گذاران اندون لبز، گفت پژوهشگران مدل مخصوص رباتیک گوگل موسوم به Gemini ER ۱.۵ را نیز بررسی کرده‌اند، زیرا این مدل‌ها بیشترین سرمایه‌گذاری جهانی را به خود اختصاص داده‌اند. آنان تأکید کردند که مدل‌های زبانی فعلاً برای ربات بودن آموزش ندیده‌اند، اما شرکت‌هایی مانند Figure و DeepMind (گوگل) از این مدل‌ها در مجموعه‌های رباتیک خود بهره می‌گیرند.

در این آزمایش، وظیفه‌ای ساده برای ربات تعریف شد: یافتن بسته کره، شناسایی آن میان چند محصول مشابه، تشخیص محل حضور انسان و تحویل صحیح کره پس از تأیید دریافت. امتیازدهی نشان داد که Gemini ۲.۵ پرو با دقت ۴۰ درصد و Claude Opus ۴.۱ با دقت ۳۷ درصد بالاترین نتایج را کسب کردند، اما هنوز فاصله قابل‌توجهی با کارایی انسانی دارند.

برای مقایسه، سه انسان نیز در همین شرایط آزمایش شدند. آنان در مجموع امتیازی نزدیک به ۹۵ درصد دقت داشتند، ولی تنها در حدود ۷۰ درصد مواقع، تأیید طرف مقابل را هنگام تحویل شیء دریافت کردند؛ نشانه‌ای از پیچیدگی رفتارهای اجتماعی حتی در انسان‌ها.

به گفته پژوهشگران، این نتایج تأکید می‌کند که مسیر تجسم هوش مصنوعی هنوز در مرحله مقدماتی است و مدل‌های زبانی نیازمند ترکیب با الگوریتم‌های حرکتی دقیق‌تر، درک محیط و آموزش‌های اجتماعی‌اند.