现代 AI 模型通常在预先存在的数据（如文本、图像和视频）上进行训练，并通过渐进式学习算法的组合进行开发。但也正是这个基础可能导致人工智能生成的最终产品与它试图模仿的物理现实之间的不一致。

为了克服这一挑战，OpenAI 的衍生产品 Covariant 创建了一个机器人基础模型 （RFM-1），该模型通过现有的在线数据以及观察物理世界中发生的情况进行学习。在一份新闻稿中，Covariant声称该模型“为机器人提供了类似人类的推理能力，代表了生成式人工智能首次成功地让商业机器人对语言和物理世界有了更深入的理解。

在这里，“类似人类的推理能力”是指RFM-1根据从模型的IRL环境中收集的信息进行结果预测的能力。例如，当机器人被赋予一项任务时，模型会生成一个视觉效果，说明该任务完成后的样子。该预测有助于确定机器人是否会遇到任何性能障碍，并允许它向提示器询问解决方案。使用简单的语言，提示机器人的人可以提供解决方案，通过键入的对话帮助完成任务。

到目前为止，RFM-1 仅在实验室环境中使用，但 Covariant 打算很快将其发布给使用 AI 工作的工业客户，例如生产和分销设施。