正在本周的AI大会上，Google展现可为机器人到场AI本领，使机器人能为本身写步伐，而没必要再经由过程大批材料锻炼。
Google研讨科学家Andy Zeng阐明，节制机器人最普遍的要领是写步伐让它们侦测物体、串行指令来推动制动器及反应轮回（feedback loop），饬令机器人该做什么。然则为每一项新任务撰写法则，却相称耗时，且需求行业常识。
当代AI言语模子已愈来愈强盛，比方Google今年初公布的PaLM具有庞杂的理解能力，这种言语模子以数百万步伐加以锻炼而成，只要人类为适度自然言语指令，模子就可以撰写泛型步伐，还能写出节制机器人行动的步伐代码。
为了实现以上观点，Google开辟了Code as Policies（CaP），这是将言语模子发生的顺序，以实体机器人实例施行。CaP是Google起初开辟的帮忙机器人模子PaLM-SayCan的延长。Google的CaP盼望用户以Python通用言语应用少许、简朴的阐明，就能让言语模子撰写机器人顺序代码，让机器人精准施行，终究目标正在可以让单一体系施行多种庞大义务，而不需尤其锻炼。
研究人员注释，CaP运用一种程序代码撰写模子，正在供应了表示（如告诉它有哪些API）及典范榜样（如下令该若何转成程序代码）后，就能为新下令撰写新程序代码，像是重写API挪用、分解新函数，表达反应轮回，以程序语言表达出来，正在runtime构成新行动。
CaP可将归纳综合化成果输入到有知觉节制的体系，不需要像传统机器人进修过程中搜集大批材料才气进修。它还能应用第三方函数库来内插数据点或阐发、发生外形；除能泛化指令，还能将精准的值翻译成恍惚描写（比方将特定速度翻译成“很快”）。并能套用其他言语模子，像是撑持非英语指令及emoj的指令。
Google说，这战略也是正在现有机械进修由“模块化”（modularity）到“泛化”（generalization）的战略，并使用开源及由网络搜集大批材料外，另辟蹊径的办法。
现阶段Google的CaP机器人能够实行简朴使命，像是正在某区块中央“绘5厘米六角形”或是“将积木排成程度直线”。不外研究人员还坦承这体系还没法处置惩罚笼统或庞大指令，或了解较庞大的描写。
Google曾经将CaP的程序代码及技能白皮书公开在GitHub上。