在人工智能领域，莫拉维克悖论揭示了AI与人类认知能力之间的显著差异：复杂逻辑对AI来说相对容易，而基本的感知运动技能却需耗费巨大计算资源。这一悖论凸显了当前AI技术的局限性。
人类作为多模态生物，通过多种感官模式感知世界，并据此进行决策和行动。随着传感器融合和AI技术的演进，现代机器人也逐步配备多模态传感器，变得愈加智能。
Transformer模型和大语言模型（LLM）的出现，推动了多模态AI的集成化发展，使得单个模型能同时处理多种数据类型，大幅提高了AI系统的综合感知能力。
2024年，多模态技术加速发展。OpenAI发布的Sora能根据文本描述生成视频，而GPT-4o则显著提升了人机交互性能，实现了音频、视觉和文本之间的实时推理。
谷歌也不甘落后，发布了Gemini 1.5，大幅扩展了上下文长度，并探讨了Project Astra的未来愿景，这是一款能处理多模态信息的通用AI助手。
多模态LLM有望改变机器人的分析、推理和学习能力，推动机器人从专用转向通用，进而产生规模化的经济效应，被更多领域采用。
在具身智能方面，尽管已取得一定进展，但仍需更轻便的设计、更长的运行时间以及更强大的边缘计算平台。人形机器人因形体与人类相似，有望在人类环境中驾轻就熟，执行所需操作。
Robotics Transformer（RT）正在快速发展，它可以将多模态输入直接转化为行动编码，展现出强大的泛化能力。
Arm作为未来机器人技术的基石，提出机器人脑应为异构AI计算系统，以提供出色性能、实时响应和高能效。Arm处理器已广泛应用于机器人领域，期待与生态系统合作，共同推动AI机器人发展。
