在本周的AI大會上，Google展示可為機(jī)器人加入AI能力，使機(jī)器人能為自己寫程序，而不必再通過大量資料訓(xùn)練。
Google研究科學(xué)家Andy Zeng說明，控制機(jī)器人最常見的方法是寫程序讓它們偵測物體、串行指令來推進(jìn)制動器及反饋循環(huán)（feedback loop），命令機(jī)器人該做什么。但是為每一項(xiàng)新任務(wù)撰寫規(guī)則，卻相當(dāng)耗時，且需要領(lǐng)域知識。
現(xiàn)代AI語言模型已越來越強(qiáng)大，例如Google今年初發(fā)布的PaLM具備復(fù)雜的理解能力，這類語言模型以數(shù)百萬程序加以訓(xùn)練而成，只要人類給適當(dāng)自然語言指令，模型就能撰寫泛型程序，也能寫出控制機(jī)器人行為的程序代碼。
為了實(shí)現(xiàn)上述概念，Google開發(fā)了Code as Policies（CaP），這是將語言模型產(chǎn)生的程序，以實(shí)體機(jī)器人實(shí)例執(zhí)行。CaP是Google早先開發(fā)的幫手機(jī)器人模型PaLM-SayCan的延伸。Google的CaP希望用戶以Python通用語言運(yùn)用少量、簡單的說明，就能讓語言模型撰寫機(jī)器人程序代碼，讓機(jī)器人精準(zhǔn)執(zhí)行，最終目的在可讓單一系統(tǒng)執(zhí)行多種復(fù)雜任務(wù)，而不需特別訓(xùn)練。
研究人員解釋，CaP使用一種程序代碼撰寫模型，在提供了暗示（如告知它有哪些API）及范例（如命令該如何轉(zhuǎn)成程序代碼）后，就能為新命令撰寫新程序代碼，像是重寫API調(diào)用、合成新函數(shù)，表達(dá)反饋循環(huán)，以程序語言表達(dá)出來，在runtime組成新行為。
CaP可將概括化結(jié)果輸入到有知覺控制的系統(tǒng)，不需要像傳統(tǒng)機(jī)器人學(xué)習(xí)過程中搜集大量資料才能學(xué)習(xí)。它還能運(yùn)用第三方函數(shù)庫來內(nèi)插數(shù)據(jù)點(diǎn)或分析、產(chǎn)生形狀；除了能泛化指令，還能將精準(zhǔn)的值翻譯成模糊描述（例如將特定速度翻譯成“很快”）。并能套用其他語言模型，像是支持非英語指令及emoj的指令。
Google說，這策略也是在現(xiàn)有機(jī)器學(xué)習(xí)從“模塊化”（modularity）到“泛化”（generalization）的策略，并運(yùn)用開源及從網(wǎng)絡(luò)搜集大量資料外，另辟蹊徑的方法。
目前Google的CaP機(jī)器人可以執(zhí)行簡單任務(wù)，像是在某區(qū)塊中間“畫5厘米六角形”或是“將積木排成水平直線”。不過研究人員也坦承這系統(tǒng)還無法處理抽象或復(fù)雜指令，或理解較復(fù)雜的描述。
Google已經(jīng)將CaP的程序代碼及技術(shù)白皮書公開在GitHub上。
