依赖人工智能学习新任务的机器人通常需要繁琐且重复的训练过程。加州大学伯克利分校的研究人员正试图通过一种创新的学习技术来简化和缩短这一过程，该技术让机器人自行填补空白，而非从零开始。
该团队向 TechCrunch 展示了多项工作成果，以便在今天 TC Sessions: Robotics 会议上进行展示；在下面的视频中，你可以听到他们的介绍——首先来自加州大学伯克利分校的研究员 Stephen James。
“我们采用的技术是一种对比学习设置，它接收 YouTube 视频并屏蔽掉大量区域，其思路是让机器人随后尝试重建这些图像，”James 解释道。“它必须理解那些被屏蔽区域可能包含的内容，从而生成对背后情况的构想；它必须对世界上的发生的事情有非常深入的理解。”
当然，它并非仅靠观看 YouTube 来学习，尽管这在人类世界中很常见。操作员需要亲自移动机器人，或通过 VR 控制器进行操作，以给它一个关于它试图做什么的总体概念。它将这些信息与从填充视频图像中获得的更广泛的世界知识相结合，并最终可能整合许多其他来源的信息。
James 表示，这种方法已经取得了成果：“通常，执行一项新任务有时需要数百个演示样本，而现在我们只需提供少量演示，比如 10 个，它就能完成任务。”
Alejandro Escontrela 专注于设计能够从 YouTube 视频中提取相关数据的模型，例如动物、人或其他机器人的动作。机器人利用这些模型来指导自身行为，判断某项动作是否值得尝试。
最终，它试图复制视频中的动作，使得另一个观察它们的模型无法分辨出是机器人在追球，还是一只真正的德国牧羊犬在追球。
有趣的是，许多此类机器人首先在模拟环境中学习，本质上是在 VR 中测试各种动作。但正如 Danijar Hafner 所解释的，这些流程已经足够高效，以至于可以跳过测试阶段，让机器人在现实世界中自由活动，并通过行走、绊倒以及当然被推搡等互动实时学习。这里的优势在于，它可以在工作中学习，而不必返回模拟器以整合新信息，从而进一步简化了任务。
“我认为机器人学习的圣杯是在现实世界中尽可能多地学习，并且尽可能快地学习，”Hafner说。他们似乎正朝着这个目标迈进。查看团队工作的完整视频在此。