Ik observeer een mini Moravec-paradox binnen de robotica: gymnastiek die moeilijk is voor mensen, is veel gemakkelijker voor robots dan "onsexy" taken zoals koken, schoonmaken en assembleren. Het leidt tot een cognitieve dissonantie voor mensen buiten het vakgebied: "dus, robots kunnen parkour en breakdance, maar waarom kunnen ze niet voor mijn hond zorgen?" Geloof me, mijn ouders hebben me hier vaker naar gevraagd dan je denkt ... De "Robot Moravec-paradox" creëert ook de illusie dat fysieke AI-capaciteiten veel geavanceerder zijn dan ze werkelijk zijn. Ik wijs Unitree niet specifiek aan, want dit geldt breed voor alle recente acrobatische demonstraties in de industrie. Hier is een eenvoudige test: als je een muur voor de zij-flippende robot plaatst, zal hij met volle kracht tegen de muur botsen en een spektakel maken. Omdat hij gewoon die enkele referentiemotion overfit, zonder enige bewustzijn van de omgeving. Hier is waarom de paradox bestaat: het is veel gemakkelijker om een "blinde gymnast" te trainen dan een robot die ziet en manipuleert. De eerste kan volledig in simulatie worden opgelost en zonder enige aanpassing naar de echte wereld worden overgebracht, terwijl de laatste extreem realistische rendering, contactfysica en rommelige dynamiek van objecten in de echte wereld vereist - niets hiervan kan goed worden gesimuleerd. Stel je voor dat je LLM's kunt trainen, niet van het internet, maar van een puur handgemaakt tekstconsole-spel. Robotica-ingenieurs hebben geluk gehad. We leven toevallig in een wereld waar versnelde fysica-engines zo goed zijn dat we indrukwekkende acrobatiek kunnen uitvoeren met letterlijk nul echte data. Maar we hebben nog niet dezelfde cheatcode ontdekt voor algemene behendigheid. Tot die tijd zullen we nog steeds vragen krijgen van onze verwarde ouders.