機器人可以從演示中學習并向其他機器人傳授它所知道的東西

建造一個機器人很難。教一個機器人更難。但教一個機器人為你做教學可能只是在可能的范圍內。

如果您正在構建一個機器人來執行特定的任務，例如打開一扇門，那么只有幾種方法可以教它。大多數機器人通過運動規劃學習，程序員指定機器人電機的每個運動。一些機器人也可以通過觀察和模仿執行相同任務的人來學習。

這兩種方法都有其缺點。模仿是一種快速的方法，可以在執行一項特定任務時為機器人提供良好的服務，但卻會降低機器人的適應性。如果改變了一個小細節 - 例如門把手的類型或位置 - 機器人必須從頭開始重新學習整個練習。

運動規劃存在相反的問題：可以將許多不同的條件和情況編程到機器人中，但這需要相當多的時間和精力。如果您想要最通用的開門機器人，您需要花費無數個小時來編程打開幾十種類型的門。

麻省理工學院計算機科學與人工智能實驗室(CSAIL)的一組研究人員開發出一種技術，將這兩種教學方法結合起來，充分發揮其優勢，同時避免其弱點。

他們的技術稱為C-LEARN，它使機器人能夠通過模仿來學習任務，并將這些信息轉化為其他機器人可以使用的運動規劃算法。基本上，一個機器人可以從人類學習任務，然后將該任務傳授給其他機器人。

“通過將演示中的學習直觀性與運動規劃算法的精確性相結合，這種方法可以幫助機器人完成以前無法學習的新型任務，”研究員ClaudiaPérez-D'Arpino說。

首先，研究人員向機器人提供有關如何在許多不同位置和方向上到達和抓取許多不同物體的信息。這些信息形成了一種機器人在需要知道如何執行特定任務時可以去的“庫”。

然后，研究人員演示他們希望機器人執行的任務，并且機器人從其“庫”中選擇包含執行該任務所需信息的條目。然后，機器人構建運動規劃算法，其他機器人可以使用該算法來執行相同的任務。

通過這種方式，C-LEARN算法使運動規劃變得更加容易。程序員可以全部依賴單個共享庫，而不是為每個任務手動編程各種可能的運動。而且由于C-LEARN機器人制造的機芯不是硬編碼的，因此這些機器人將更具適應性并能夠對變化做出反應。

C-LEARN團隊的下一步是改進算法以處理更多不同的情況，例如避免沖突和更復雜的多步驟規劃。最終，C-LEARN可用于教授從工業建筑機器人到炸彈處理機器人的各種機器人。