MIT新研究：基於基本運動能力讓機器人自主學習，感知世界

維金 編譯自 TechCrunch

量子位 出品 | 公眾號 QbitAI

機器人很擅長做規定好的任務。然而有些時候，將這些信息輸入系統要要比讓機器人執行任務複雜得多。這也是機器人適合做簡單、重複性勞動的原因之一。

布朗大學和MIT的研究團隊正致力於開發一種系統，讓機器人基於基本運動能力，形成對現實世界對象和想法的抽象概念，從而規劃任務。藉助這個系統，機器人可以完成複雜任務，而不必糾纏於完成任務所需的細節。

研究人員對一種有兩個機械臂的機器人Anathema Device（或稱「Ana」）進行編程，讓其操作房間內的對象，包括打開和關上櫥櫃或冰箱，打開電燈開關，以及拿起瓶子。在執行任務的同時，機器人通過演算法去獲得周圍環境的信息並進行處理。

Ana

該團隊表示，機器人能學習關於對象和環境的抽象概念。在打開一扇門之前，Ana就有能力判斷，這扇門需要關上。

「她可以知道，櫥櫃里的燈太亮，因為她的感測器都已被點亮。所以，為了操作櫥櫃里的瓶子，燈必須關掉。她還能學會，為了關掉燈，櫥櫃門必須關起來，因為打開的門擋住了開關。」團隊負責人表示。

在處理完任務後，機器人會將這些抽象概念與符號關聯。這是一種作為機器人和人類之間媒介的通用語言，不需要複雜編程即可執行。這樣的適應性意味著，通過在給定場景中選擇適當的操作，機器人可以在更多樣化的環境中執行更多類型的任務。

這項研究的負責人、布朗大學助理教授George Konidaris表示：「如果我們想要真正智能的機器人，那麼就不能編程去規定它們的所有活動。我們需要給它們設定目標，讓它們自主選擇行為。」

當然，讓所有機器人都這樣去學習同樣缺乏效率。但研究者相信，他們可以設計出通用語言，開發可以下載至新硬體的技能。

Konidaris解釋：「我認為，未來將會出現技能庫，這是可下載的。比如你通過查詢廚房工作所需的技能，然後機器人就可以去廚房做任務。」

—完—

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！