Der Artikel argumentiert, dass Robotik zwar technisch immer leistungsfähiger wird, der eigentliche Wendepunkt aber die Zugänglichkeit des Trainings sein wird – analog dazu, wie ChatGPT komplexe KI-Fähigkeiten für Millionen von Menschen intuitiv erfahrbar machte. Generalistische Robotermodelle, die eine breite Palette von Aufgaben beherrschen, sind bereits im Entstehen; die entscheidende Lücke liegt jedoch in der sogenannten „Teachability": Wie leicht lässt sich ein Roboter in einer neuen Umgebung auf neue Aufgaben einlernen? Das Küchen-Szenario im Artikel veranschaulicht die Komplexität: Ein Roboter, der nach einem Abendessen helfen soll, muss Kontextwissen, Feinmotorik und situative Urteilsfähigkeit kombinieren – Fähigkeiten, die selbst modernste Systeme nur bruchstückhaft beherrschen. TheSequence identifiziert drei zentrale Problemfelder: Lernen, Steuerung (Control) und die Ökonomie der Inbetriebnahme in neuen Einsatzumgebungen. Während Sprachmodelle ihre Vielseitigkeit durch einfaches Ausprobieren demonstrieren lassen, fehlt Robotern bislang eine vergleichbar überzeugende und niedrigschwellige Begegnung mit ihrer eigenen Vielseitigkeit. Der Artikel betont, dass der physische Charakter robotischer Antworten – „its answers have mass" – die Herausforderung fundamental von der rein digitalen KI unterscheidet.