Ik observeer een mini-Moravec-paradox binnen de robotica: gymnastiek die moeilijk is voor mensen, is veel gemakkelijker voor robots dan "niet-sexy" taken zoals koken, schoonmaken en in elkaar zetten. Het leidt tot een cognitieve dissonantie voor mensen buiten het veld, "dus robots kunnen parkour en breakdancen, maar waarom kunnen ze niet voor mijn hond zorgen?" Geloof me, ik werd hier meer naar gevraagd door mijn ouders dan je denkt ... De "paradox van Robot Moravec" wekt ook de illusie dat fysieke AI-mogelijkheden veel geavanceerder zijn dan ze in werkelijkheid zijn. Ik noem Unitree niet, omdat het algemeen van toepassing is op alle recente acrobatische demo's in de industrie. Hier is een eenvoudige test: als je een muur voor de zijwaartse robot opzet, zal hij er met volle kracht tegenaan botsen en een spektakel maken. Omdat het gewoon die ene referentiebeweging overdrijft, zonder enig besef van de omgeving. Dit is waarom de paradox bestaat: het is veel gemakkelijker om een "blinde turnster" te trainen dan een robot die ziet en manipuleert. De eerste kan volledig in simulatie worden opgelost en zero-shot worden overgebracht naar de echte wereld, terwijl de laatste extreem realistische weergave, contactfysica en rommelige objectdynamiek in de echte wereld vereist - die geen van alle goed kunnen worden gesimuleerd. Stel je voor dat je LLM's niet via internet kunt trainen, maar vanuit een puur met de hand gemaakt tekstconsolespel. Robotici hebben geluk gehad. We leven toevallig in een wereld waar versnelde fysica-engines zo goed zijn dat we weg kunnen komen met indrukwekkende acrobatiek met letterlijk nul echte gegevens. Maar we hebben nog niet dezelfde cheatcode voor algemene behendigheid ontdekt. Tot die tijd worden we nog steeds ondervraagd door onze verwarde ouders.