SayCan — 机器人不只问“想做什么”，还问“我能做什么”
已复核 · 稳定内容Do As I Can, Not As I Say: Grounding Language in Robotic Affordances 是一篇 Embodied AI / Robotics 论文。本卡只基于 arXiv 官方元数据和论文静态阅读做研究整理；没有运行作者代码，也没有复现论文分数。
类比：像让人帮你做饭：他说“我应该切菜”是一回事，他手边有没有刀、会不会切、菜在不在台面上是另一回事。
它在本轮 40 篇里的位置是 Batch 5 / agents and tools：不是孤立收藏，而是补上 study 论文图谱里还缺的一块。
LLM 能给出高层计划，但机器人必须选择当前环境里可执行、成功概率高的技能。
如果把它放进产品工程语境，核心问题是：团队到底应该把不确定性留给模型本身，还是拆给数据、工具、训练目标、评测和系统约束分别处理。
- 它给后续研究提供了一个可引用的名字和问题边界。
- 它把一个模糊能力拆成了可以讨论的机制或流程。
- 它提醒我们不要只看最终 benchmark，而要看数据、约束和验收方式。
- 它能和本库已有笔记形成交叉链接，方便以后按主题复习。
| 设计 | 作用 |
|---|---|
| 语言可用性 | LLM 评估某个技能是否符合用户指令。 |
| Affordance value | 机器人策略估计当前状态下技能能否成功。 |
| 乘积排序 | 把“应该做”和“做得到”合成动作选择。 |
这三点合在一起，给这篇论文建立了一个最小可理解模型：先看它把问题切在哪里，再看它把哪部分交给模型、哪部分交给外部结构。
手工 toy 复现
Section titled “手工 toy 复现”用户说“把饮料递给我”。LLM 觉得“拿起可乐”合理，但 affordance 发现可乐不在视野里、矿泉水在桌上，于是先选择可执行的抓取动作。
这个 toy 复现只验证机制直觉，不声明论文原始指标已复现。真正升级为 VERIFIED 需要独立执行证据和 review receipt 绑定。
- LLM 计划正确但感知错：LLM 计划正确但感知错，机器人仍会失败。
- affordance 模型只覆盖已训练技能：affordance 模型只覆盖已训练技能，超出技能库不能硬做。
- 乘积分数简单有效：乘积分数简单有效，但复杂长程任务需要更强规划。
- 真实机器人安全约束不能只靠语言模型。：真实机器人安全约束不能只靠语言模型。
- 具身 agent 的关键是把语言意图接到可执行技能。
- SayCan 是“LLM planner + skill library”路线的代表。
- 软件 agent 也有类似问题：工具是否可用，比工具描述更重要。