中国科学家发明受婴儿启发的AI系统，帮助机器人学习与物体互动

十大品牌 2025年12月11日 01:05 1 cc

过去几十年间，机器人专家们开发出了种类繁多的先进系统，这些系统能够在周围环境中移动并完成各种任务。大多数机器人能够有效地收集周围环境中的图像和其他数据，并利用计算机视觉算法来解读这些数据，从而规划未来的行动。

此外，许多机器人利用大型语言模型（LLM）或其他自然语言处理（NLP）模型来解读指令，理解用户的话语，并用特定语言进行回应。尽管它们能够感知周围环境并与用户交流，但大多数机器人系统在处理需要触摸、抓取和操作物体，或与人进行身体接触的任务时，仍然面临挑战。

同济大学和智能自主系统国家重点实验室的研究人员最近开发了一种新的框架，旨在改进机器人学习与周围环境进行物理交互的过程。

该框架在《神经计算》杂志上发表的一篇论文中进行了概述，其灵感来源于人类发展，特别是人类婴儿如何学习对周围发生的事情做出反应，并相应地调整自己的动作。

“机器人仍然难以完成涉及物理交互的任务，”郑岩、周彦敏及其同事在论文中写道。“尽管在触觉感知方面已经取得了一些进展，但机器人对触觉信息的解读能力仍然不足。”

受人类发展启发的元学习框架

闫、周及其同事着手开发一种元学习框架，这是一种基于机器学习的方法，旨在塑造机器人的学习方式。这些框架并非针对特定任务，而是通常旨在提高机器人的适应性，使其能够快速适应新场景，而无需事先进行大量的训练。

该团队的框架借鉴了认知发展机器人学领域，该领域专注于运用借鉴人类婴幼儿发展规律的方法来训练机器人。该框架依赖于触觉传感器和计算工具收集数据，旨在使机器人感知自身在空间中的位置（即本体感觉）。

“基于认知发展机器人学，我们将触觉传感器信号与机器人本体感觉相结合，以估计空间力边界，从而扩展机器人的空间智能，增强其在人机近距离物理交互等场景中的具身能力，”作者写道。

“为此，借鉴人类触觉和婴儿学习的经验，提出了一种基于元学习的神经框架，包括基于纤维化范式的神经网络、基于归纳推理的训练过程和基于主动学习的输入构建，具有良好的泛化能力、弹性和可扩展性。”

与以往提出的许多其他机器人训练方法相比，新开发的元学习框架更具适应性，能够使机器人在新的场景或遇到未知物体时表现更佳。值得注意的是，它仅依赖于传感器采集的数据，无需机器人及其底层结构的详细机械模型。

研究人员写道：“它仅利用机器人动作和触觉传感器的数据，无需复杂的机器人模型，就能为机器人提供与任务无关的物理交互实用线索，包括界面上的接触属性和机器人本体上的接触含义。它还具有通过基于新的物理交互的少样本、少迭代学习实现持续优化的潜力。”

为了测试他们提出的框架的性能，研究人员将其应用于真实的机器人，并评估了它们在各种涉及与人类及其周围环境进行物理交互的任务中的表现。他们的研究结果令人鼓舞，因为机器人能够随着时间的推移不断进化和调整其运动方式，并在不同的场景中安全自然地与人类互动。

该团队的框架有望很快得到进一步改进，并在涉及更多机器人、物体和表面的实际实验中进行测试。未来，它有望推动人形机器人和其他机器人系统的发展，并可能促进其商业化和在各种场景中的应用

发表评论