社群让机器人自主学习 目标是突破AI能力限制

社群AI研究院正在透过教导机器人自主学习的计划，来探索新技术，进而突破AI能力的限制，该计划透过自我监督学习法，解决了一些机器人领域的挑战，像是开发出能够自由走动、探索周遭环境且操作物体的机器人，该机器人研究将能够协助开发者，建立学习效率更高、更通用的AI系统。社群指出，要增进AI的能力，机器人提供了重要的机会，包含行走型的六足机器人、关节手臂机器人和搭载触觉传感器的机器人手臂，因为教导机器在真实的世界中自主学习，可以帮助研究人员开发出在其他场景中，更具有能力和灵活性的AI系统。与其他领域的AI研究相同，大部分的机器人研究也聚焦于自我监督（self-supervised learning）学习的方法，也就是使系统直接从原始数据学习，不需要透过针对特定任务结构化训练数据来学习，因此自我监督系统更能胜任新任务和环境，为了通用的机器人系统，社群改善了以模型为基础的强化学习技术，让机器人直接用传感器输入的数据，透过尝试错误法，自己学习应对真实世界的能力。

首先，为了突破机器独立学习的能力，社群开发一套以模型为基础的强化学习方法，在不给机器人特定任务信息或是训练的情况下，使六足机器人学会走路，机器人一开始学习时，没有任何环境或是物理的信息，而是透过数据高效率（data-efficient）的强化学习算法，使控