一分钟速览
Alter3 是东京大学团队研究的 43 轴人形机器人。传统机器人表演常要工程师逐个关节、逐段时间编动作，这个项目让 GPT-4 根据自然语言生成控制代码，再由机器人执行“自拍”“喝茶”“假装幽灵”等身体表达。它的意义不是机器人突然有了灵魂，而是大语言模型把对动作的文字理解翻译成了可见的身体运动。
普通访客可以在官方项目页看多段完整演示并阅读论文，但不能在线发指令遥控 Alter3。把它当成一场“语言模型第一次得到身体”的研究录像，会比寻找试玩入口更准确。
先这样开始
- 打开官方项目页，先看金属乐、幽灵、自拍和喝茶等不同动作视频。
- 每段先只读动作名称，猜模型会怎样表达，再播放结果比较你的身体想象与机器的选择。
- 看页面中的系统结构图，找到自然语言、GPT-4、代码与 43 个执行轴之间的顺序。
- 最后读论文的反馈与动作记忆部分，理解失败动作如何由人用语言指出并保存修正。
值得观察的细节
最值得盯的是模型如何把抽象词拆成身体部件。比如“像幽灵”并没有标准关节答案，模型可能同时使用手臂、头部和躯干来拼一个文化上常见的姿势。动作看起来滑稽时，不一定只是机械精度差，也可能是语言模型对身体常识的理解很粗糙。
同一个指令还可能产生不同代码和动作，这种非确定性给表演带来意外，也给实体安全与复现带来挑战。研究团队因此加入反馈和动作记忆，而不是让每次结果都无条件执行。
AI 在做什么
GPT-4 接收动作要求，并生成调用机器人关节接口的代码。论文说明系统面向 43 个执行轴，不需要人为给每个示例预先编完整动作。人类可以观察结果，用自然语言指出问题；修正后的动作会保存到 JSON 形式的动作记忆中，供之后复用。
模型本身不能像人一样看见动作造成的全部物理后果，反馈依赖外部观察者。它也没有凭空获得平衡、触觉或安全常识，所以“模型接管身体”是方便理解的标题，不代表它拥有完全自治。
实际门槛
项目资料和论文免费，不需注册；演示视频由外部视频服务承载，在中国大陆可能无法稳定加载。没有公开下载的控制面板、远程机器人或购买页面。完整硬件实验只属于研究团队的设备环境。
如果视频打不开，论文摘要、系统图和页面文字仍能说明机制，但无法替代观看实际动作。本站因此把访问状态标为不稳定，也不会把“页面可打开”冒充“核心体验已在大陆跑通”。
来源与核验
项目日期、研究成员、演示视频和系统结构来自 Alter3 官方研究页；43 轴、代码生成、非确定性、语言反馈及动作记忆来自论文 arXiv 2312.06571。封面来自 2025 年开放获取论文 Figure 2，连续展示 Alter3 自拍、扮鬼和演奏金属乐的动作；论文按 CC BY 许可，本站保留作者与期刊署名。
中文导游没有把论文原型外推成量产机器人，也没有声称 GPT-4 可以观察并独立修正所有物理后果。可核验的是语言到代码再到动作的链路，以及团队展示的具体示例。
本条目由 xiaojiao 老板在内容后台完成审核并公开。