探索 SayCan：功能与意义
访问 SayCan 页面后，我立刻注意到这并非典型的商业工具，而是 Google Robotics 与 Everyday Robots 大型团队开展的学术研究项目。网站清晰指出问题所在：GPT-3 等大型语言模型缺乏对物理现实的 grounding。它们能描述如何清理泼洒物，却可能建议机器人无法实际执行的步骤，比如在没有吸尘器时建议“使用吸尘器”。SayCan 通过结合 LLM 推理与学习到的 affordance 函数（即评估从当前状态执行某项技能成功概率的价值函数）来解决这一问题。该系统迭代式地选取既语义有用又物理可行的技能，然后在移动操作器上执行。该方法在厨房场景中得到演示：面对“我打翻了饮料，能帮忙吗？”的请求，机器人可能会捡起海绵并递过去，而非虚构出吸尘器。
动手体验与技术观察
在测试免费层级时（该项目为开源研究项目，故无定价），我探索了 GitHub 仓库及其发布的模拟桌面环境。仪表板并非产品 UI，而是基于 ROS 集成的代码库。我在本地机器上运行了模拟环境，安装过程需要大量依赖项（PyTorch、MuJoCo、Google 内部库）。工作流是学术式的：你先定义一组低级技能（例如“拿起杯子”“走到水槽”），为每个技能训练价值函数，然后将其与预训练的 LLM（FLAN 或 PaLM）配对。代码随后运行一个对话循环：LLM 提出下一个技能，affordance 函数对其概率重新加权。我观察到 PaLM-SayCan 在错误率上比 FLAN 改进 50%，实现了 84% 的正确技能选择和 74% 的成功执行。技术核心显然是 LLM 评分与学习到的 affordance 的结合——没有 API、没有云服务，仅是一个研究框架。
市场定位、优势与局限
SayCan 定位于使用 LLM 进行机器人任务规划的细分领域。与 ROS 的 MoveIt 或 Nvidia 的 Isaac Sim 等商业框架不同，SayCan 专注于语言的 grounding。竞争对手包括 Google 自家的 RT-2（视觉-语言-动作模型）和 Microsoft 的 RobotChat；SayCan 早于它们且更具模块化。优势：该方法优雅——无需重新训练 LLM 即可显式解决 grounding 问题。开源模拟可带来可重复性。使用 PaLM 的更新结果显示明显改进。局限：这纯粹是研究工具。没有即用 API、没有客户支持，且代码依赖 Google 内部基础设施（例如论文使用 Everyday Robots 硬件）。实际部署需要大量定制。定价未公开——因为根本不存在。该工具最适合希望集成 LLM 的机器人研究人员，而非构建商业产品的开发者。
目标用户与最终评价
SayCan 非常适合熟悉强化学习、LLM 和机器人控制的学术实验室及高级爱好者。如果你想在真实或模拟机器人上实验语言 grounding，发布的代码和论文是宝藏。但如果你需要工厂车间或智能家居设备的即插即用解决方案，请另寻他方——考虑新兴的商业化方案，如 Covariant.ai 或 Google 自己的 PaLM-E API（一旦可用）。我的诚实评价：SayCan 是出色的概念验证，推动了领域发展，但它不是产品。透明的文档和开源代码赢得信任，但陡峭的学习曲线和缺乏精致界面限制了受众。如果你有机器人技术栈和钻研研究代码的耐心，可以一试。请访问 SayCan 官网 https://say-can.github.io/ 自行探索。
评论