谷歌模拟远程操纵机器人 让机器人也可以自主学

近日，谷歌大脑团队发布了一项引人注目的研究，揭示了即使机器人没有明确目标地进行“玩耍”，也能因此变得更聪明。据外媒报道，谷歌创建了一个名为“Learning from Play data（LfP）”的数据集，这一数据集是通过模拟远程操作机器人获得的。

在这项研究中，研究人员让机器人在远程操作中通过手和机械臂与现实世界进行交互，而并没有给予它们特定的任务目标。谷歌利用这一数据集来训练其系统，该系统能够对这些无目标动作序列进行分类，并将它们映射到一个潜在的空间。在这一空间中，系统的一个模块会尝试寻找能够将机器人从其当前状态转移到目标状态的动作序列。

谷歌将使用LfP数据集的方法与行为克隆技术等方法进行了比较。结果发现，使用LfP数据集的机器人在执行任务时表现更加稳定，并且在大部分任务中的成功率都较高。这一成果令人惊讶，因为传统的机器人训练通常需要明确的任务目标才能获得最佳效果。

更有意思的是，研究人员发现，使用LfP数据集训练的机器人在面对失败时会多次尝试重新完成任务。即使在从未接受过任务标签训练的情况下，机器人的潜在规划空间也能学会嵌入任务语义。这表明机器人不仅能够从经验中学习，还能够逐渐理解任务的本质，从而在复杂环境中更加智能地行动。

这项研究为机器人技术开辟了新的道路，未来的机器人或许可以像儿童一样，通过无目标的玩耍来逐渐学习并变得更加聪明。谷歌大脑的这项创新研究无疑将引领机器人技术走向更加智能、灵活的未来。