AI 竟能操控實驗室機器人？處理「失敗」的 AI 能力測試台問世

想像一下。您為了研發關鍵疫苗，正在進行一場分秒必爭的生物實驗。然而實驗途中，機器手臂突然停止運作，或在運送試劑的過程中發生了系統錯誤。照這樣下去，數個月的研究心血恐將毀於一旦。如果人類跑過去補救已來不及，萬一 AI 能自行判斷狀況、重啟機器人並挽救實驗，那該有多好？

近期在科學技術領域，出現了一個能測量 AI 在這類「實驗室危機」中處置是否得當的有趣測試台，即 LabRobotBench v0.1。

為何這很重要？

至今為止，AI 主要在撰寫文字或程式碼等「數位世界」中活躍。然而我們所居住的現實世界，比數位環境要複雜且難以預測得多。LabRobotBench v0.1 的問世具有重大意義，因為它標誌著 AI 不再只是「口才好的模型」，更開始具備操控物理機器人、管理真實科學發現現場的能力。這是因為它提供了一項技術尺度，用於確認 AI 代理是否能利用實驗室的機器人系統，在濕實驗（wet-lab experiment，直接操作化學藥劑等的實際實驗）過程中修復發生的問題。 [Source 8, Source 11]

淺顯易懂的說明

若要用比喻來理解 LabRobotBench v0.1，這就像是 「AI 的實驗室緊急處置訓練」。簡單來說，就像足球選手在平時練習時，若比賽途中突然受傷或戰術失誤，該如何在實戰中即時應對一樣。

該評估專注於審視 AI 在模擬的機器人環境中，如何發揮以下兩種能力： [Source 9, Source 14]

1. 對物理空間與工作流程的理解：AI 是否認知實驗室內部的機器人系統與複雜的生物學工作流程？
2. 複雜問題解決 (Troubleshooting)：當機器人故障或系統發生錯誤時，是否能自行找出修復路徑？

特別是這項測試極為冷酷。它設定了與樣本保存息息相關的 200 秒或 30 分鐘等嚴苛時間限制，若無法在時間內解決，實驗即視為失敗。如同電影主角必須在限時內解除危機一般，AI 的瞬間判斷力也正受到考驗。 [Source 11]

現況如何？

那麼，目前的聰明 AI 們在這項測試中拿到了什麼成績單呢？研究結果顯示，模型之間的差距相當大。

以測試數據集 (Held-out subset) 為準，GPT 6.1 Sol 模型以 46.7% 的成功率拔得頭籌。其次為 Opus 5.5 的 23.0%，以及 Gemini 4 Argon 的 20.9%。 [Source 9]

雖然這個分數看起來偏低，但這也顯示出 AI 理解並操控物理世界是多麼艱鉅的挑戰。即便 AI 在文字上能說明完美的實驗流程，但要處理機器手臂停止運作等物理狀況，卻需要更高層次的智慧。

未來展望

LabRobotBench v0.1 預計將在提升 AI 模型的「科學現場適應力」方面發揮關鍵作用。開發人員將能透過此基準測試掌握 AI 對物理環境的理解程度，並專注於開發更穩定、能運行實驗室的 AI。

終究，未來的實驗室將不再是由人類研究員操控所有設備，而是由 AI 代理管理實驗室的機器人系統，人類則專注於最終的洞察與結果分析。儘管目前的成功率尚不足一半，但只要有 LabRobotBench 這類嚴格的評估系統存在，「智慧實驗室」的願景終將近在咫尺。 [Source 8, Source 14]

參考資料

1. [LabRobotBench V0.1

   Gamow Labs](https://gamowlabs.com/lab-robot-bench-v0-1)

2. [Gamow Labs’ new benchmark shows top AI · Hacker News

   Zeli](https://zeli.app/story/50174317)

3. LabRobotBench v0.1: Benchmarking wet lab robotics
4. LabRobotBench v0.1：濕實驗室機器人基準測試