婴儿通过探索他们的身体如何在太空中运动，抓住玩具，将物品推下桌子以及观察和模仿成年人的行为来了解世界。但是，当机器人专家要教机器人如何完成任务时，他们通常要么编写代码，要么物理地移动机器人的手臂或身体以展示如何执行动作。

现在，华盛顿大学发展心理学家与计算机科学家之间的合作表明，机器人可以像孩子一样“学习” —通过探索收集数据，观察人类做某事并确定如何自行执行任务。

威斯康星大学计算机科学与工程学教授拉杰什·拉奥(Rajesh Rao)说：“您可以将此视为构建可以像婴儿向人类学习的方式向人类学习的机器人的第一步。”

“如果您希望对计算机编程一无所知的人能够教机器人，那可以通过演示来实现–演示机器人如何清洁餐具，折叠衣服或做家务。但是要实现该目标，您需要机器人能够理解这些动作并自行执行。”

这项研究从华盛顿大学研究所的学习和大脑科学实验室(I-LABS)结合儿童发展研究与机器学习方法，发表在一 纸十一月在杂志PLOS ONE。

在该论文中，威斯康星大学的团队开发了一种新的概率模型，旨在解决机器人技术的一个基本挑战：构建可以通过观察和模仿他人来学习新技能的机器人。

机器人学家与西澳大学心理学教授和I-LABS联合导演安德鲁·梅尔佐夫(Andrew Meltzoff)合作，他们的开创性研究表明，年龄在18个月以下的儿童可以推断出成年人的行为目标，并自行开发出实现该目标的替代方法。

在一个示例中，婴儿看到一个成年人试图将杠铃形玩具拉开，但该成年人未能实现该目标，因为该玩具被粘在一起并且他的手从两端滑落。婴儿仔细地注视着，然后决定使用其他方法-他们将小手指一直缠绕在末端，特别用力地猛拉-重复了成年人的意图。

儿童会通过自我探索来获得意图阅读技能，这可以帮助他们学习物理定律以及自己的行为如何影响物体，最终使他们能够积累足够的知识，可以向他人学习并解释自己的意图。梅尔佐夫(Meltzoff)认为，婴儿学得如此之快的原因之一是他们如此顽皮。

“婴儿从事着看似漫不经心的游戏，但这使将来的学习成为可能。这是婴儿创新的秘诀。”梅尔佐夫说。“如果他们试图弄清楚如何使用新玩具，那么他们实际上是在利用与其他玩具一起玩耍获得的知识。在游戏过程中，他们正在学习一种心理模型，以了解其行为如何导致世界发生变化。一旦有了该模型，就可以开始解决新颖的问题，并开始预测别人的意图。”

Rao的团队利用婴儿研究来开发机器学习算法，使机器人能够探索自己的行为如何导致不同的结果。然后，机器人使用所学到的概率模型来推断人们想要它做什么并完成任务，甚至在不确定的情况下甚至“寻求”帮助。

该团队在两种不同的情况下测试了其机器人模型：一个计算机模拟实验，一个机器人学习跟随人类的目光，另一个实验，一个实际机器人学习模仿人类的动作，涉及将玩具食物物体移动到桌面上的不同区域。

在凝视实验中，机器人学习了自己的头部运动模型，并假设人的头部受相同规则支配。当人类在整个房间中注视时，机器人会跟踪其头部运动的起点和终点，并使用该信息来确定该人正在注视的位置。然后，机器人使用其学习到的头部运动模型将其固定在与人类相同的位置。

该团队还重新创建了Meltzoff的一项测试，该测试显示，有视觉障碍和眼罩的婴儿对看被蒙住眼睛的成年人不感兴趣，因为他们了解该人实际上看不见。一旦团队让机器人“学习”被蒙住眼睛的后果是什么，它就不再跟随人类的头部运动来注视着同一地点。

梅尔佐夫说：“婴儿利用自身的经验来解释他人的行为，我们的机器人也是如此。”

在第二个实验中，团队让机器人进行了实验，以推动或拾取不同的对象并将它们在桌面上移动。机器人使用该模型来模仿一个人，该人在桌上移动物体或清除桌面上的所有东西。机器人有时并非严格地模仿人类的动作，而是有时使用不同的方法来达到相同的目的。

UW的主要作者Michael Jae-Yoon Chung说：“如果人类将物体推到新的位置，那么带有夹持器的机器人将其拾起而不是推到那里可能会更容易，更可靠。”计算机科学与工程专业的博士生。“但是这需要知道目标是什么，这是机器人技术中的一个难题，我们的论文也试图解决这个问题。”

尽管最初的实验涉及学习如何推断目标和模仿简单行为，但该团队计划探索这种模型如何帮助机器人学习更复杂的任务。

梅尔佐夫说：“婴儿通过自己的游戏和观察他人来学习，而他们是地球上最好的学习者-为什么不设计像孩子一样轻松学习的机器人呢?”