@AnthropicAI：Claude Opus 4.7 在「Project Fetch」第二階段實驗中，展現了獨立編寫機器狗控制程式的能力，執行速度比人類團隊快約 20 倍。 …

Claude Opus 4.7 在「Project Fetch」第二階段實驗中，展現了獨立編寫機器狗控制程式的能力，執行速度比人類團隊快約 20 倍。 Anthropic 團隊進行了一項名為「Project Fetch」的實驗，測試 AI 模型是否能協助人類編寫程式來控制機器狗。 實驗核心成果 Anthropic 透過「Project Fetch」第二階段測試，評估 Claude Opus 4.7 在無人類協助下，操控市售四足機器狗執行任務的表現。相較於去年第一階段實驗中，人類團隊需仰賴 Claude 輔助才能完成任務，Opus 4.7 此次展現了顯著的自主性： 執行效率：在所有人類曾完成的任務中，Opus 4.7 的速度平均比人類團隊快 20 倍以上。 程式碼品質：Opus 4.7 產生的程式碼量僅為第一階段人類團隊的十分之一，且多數任務能一次成功。 運作模式：研究人員僅需將執行 Claude Code 的筆記型電腦連接至機器狗，輸入初始指令並核准後續步驟，模型即可自主完成介面連接、感測器數據讀取及路徑監控等工作。 技術侷限與反思 儘管在程式開發與邏輯規劃上表現優異，但 Claude 在物理世界的精細操作仍面臨挑戰： 撿拾任務失敗：Opus 4.7 在「撿拾海灘球」的最終任務上表現不佳，無法精確控制機器狗進行閉迴路（closed-loop）的動態調整，導致無法成功將球推回起點。 演算法選擇：模型在過程中曾預設選用過時的物件偵測演算法，雖最終能透過除錯解決，但顯示其在特定硬體任務的決策仍有優化空間。 未來趨勢展望 Anthropic 指出，這項進展並非針對機器人領域進行專門訓練，而是大型語言模型通用能力擴展的結果。這標誌著 AI 正從「輔助人類」轉向「自主使用物理工具」，預示著「實體 Agentic 程式開發」時代的初步到來。雖然目前模型在低階控制策略開發上仍有門檻，但隨著模型能力的快速迭代，AI 獨立處理硬體任務的潛力已不容忽視。 Anthropic 團隊進行了一項名為「Project Fetch」的實驗，測試 AI 模型是否能協助人類編寫程式來控制機器狗。 影片中的 Prompt 與操作： Prompt（00:10）： - @10 團隊成員在筆記型電腦上輸入程式碼以控制機器狗。 - @52 團隊成員在螢幕上操作「Claude」介面進行程式碼除錯與指令輸入。 - @54 團隊成員在終端機介面執行安裝指令。 操作步驟： 1. （00:18）團隊成員打開裝有機器狗的收納箱。 2. （00:30）團隊成員將機器狗放置在草皮上並進行手動遙控。 3. （01:42）團隊成員使用手持控制器進行第一階段任務。 4. （02:35）團隊成員開始編寫程式碼以進行第二階段任務。 5. （05:01）團隊成員在電腦上設定機器狗伺服器。 6. （08:31）團隊成員啟動自動化撿球程式。 原文：https://easyvibecoding.app/curated/2111