Minimal Developmental Support for Continually Growing Autonomous Robots
本文提出了一种用于自主机器人的极简发育智能模型，该模型依赖于预定义的学习机制而非广泛的先验知识，使系统能够持续获取并复用知识，从而以显著少于现有自适应系统的预设规则，实现相当的性能表现和更优越的长期推理能力。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一个并非带着完整说明书来到世界的机器人。它并非被编程了应对可能遇到的所有规则，而是仅具备感知周围环境、记忆发生过的事情以及从自身行为结果中学习的基本能力。这就是发育机器人学（developmental robotics）的核心挑战：创造出能够通过与不可预测环境进行长期交互，从而随时间变得更加聪明的机器。几十年来，工程师们一直试图通过为机器人加载大量的预设规则和技能库来解决这个问题，希望以此覆盖所有可能出现的情况。然而，这种方法存在缺陷。如果世界发生了设计者未曾预料到的变化，一个受困于僵化、预定义规则的机器人可能会失败。研究人员一直在追问的问题不是在开始时要给机器人多少知识，而是需要什么样的最小工具集，才能让机器人为自己发现这些知识。
由成都信息工程大学的洪苏（Hong Su）领导的一个团队提出了一种构建此类机器的新方法，重点关注“最小发育智能”模型。他们的研究表明，不应该给机器人提供它尚未遇到的问题的具体答案，而应该给它在日后寻找这些答案的机制。研究人员构建了一个将“必须内置的内容”与“应当学习的内容”分离的系统。内置部分被压缩到了绝对的最小值：仅够维持机器人安全、记录其经历，并将这些经历与未来的结果联系起来。除此之外的一切，包括哪些特定动作会导致成功或失败，都留给机器人在随后的时间里通过试错来自行摸索。
为了测试这一想法，研究人员进行了一系列计算机模拟，其中机器人必须在一个变化的运行环境中导航。在一种情景中，机器人仅被赋予了一组非常基础的安全规则；而在另一种版本中，机器人则被加载了八条关于如何行为的详细预设规则。令人惊讶的是，那个仅拥有两条基本规则并具备从错误中学习能力的机器人，表现得与那个拥有沉重预设规则库的机器人一样出色。两者都达到了约63%的成功率。然而，当环境发生变化时，差异就显现出来了。拥有预设规则的机器人因为其初始指令现在已不再适用而陷入困境，而学习型机器人则根据新的结果调整了自己的行为。这表明，给机器人过多的固定规则实际上会成为一种束缚，使其在世界发生变化时更难学习。
该研究还探讨了机器人需要记住多久的过去才能进行有效的学习。在现实世界中，问题的起因可能在很久之后才会显现。机器人可能采取了一个在当时看来安全的行动，但在一百步之后却导致了失败。研究人员发现，那些记忆较短、仅回顾过去几步的机器人无法将这些遥远的事件联系起来。它们的准确率接近随机猜测，约为50%。但设计为保留完整历史记录的长程记忆机器人却能够识别出这些延迟发生的模式。它在识别间隔一百步之久的关联关系时，准确率超过了92%。这证明了机器人不需要立即知道答案，它只需要记录下发生了什么，以便稍后学习其中的联系。
另一个关键发现是，机器人最初不能完全是一张白纸。它需要一个微小的、内置的安全网，以便在学会自我保护之前度过早期的生存阶段。研究人员通过给机器人一些简单的信号来测试这一点，例如针对低电量或碰撞的警告，但并未告诉它如何解决问题。这种最小化的支持让机器人在学习的前几百步内避免了灾难性的失败。如果没有这个微小的安全层，机器人在摸索世界规则的过程中会犯下危险的错误。有了它，机器人能够保持足够的安全性以继续学习，并最终自主发现复杂的策略。
该系统最先进的部分在于机器人利用其所学知识去思考新问题的能力。研究人员对机器人进行了编程，让它定期停下来回顾过去的经验，看看旧知识是否能对当前情况有所帮助。这一过程允许机器人实现三件事：改变即时动作、决定学习特定内容，或者停下来思考一个混乱的模式。当机器人同时使用这三种能力时，其表现大幅提升。它能够识别隐藏的危险，并解决那些仅依赖即时反应的机器人无法解决的问题。在最后一项测试中，研究人员隐藏了最重要的传感器身份以及变量之间最重要的关系，并为每次模拟随机更改它们。机器人的系统并未被告知要寻找什么，它仅拥有搜索有用模式的机制。令人瞩目的是，机器人在每一次测试中都成功发现了正确的隐藏传感器和正确的隐藏关系，证明了它可以在未被预先告知答案的情况下找到正确答案。
这些模拟结果表明，通往真正自主机器人的路径不在于为它们加载更多数据，而在于给予它们更好的学习工具。通过剥离不必要的预定义规则，并专注于一组最小的发育机制——感知、记忆、从结果中学习以及定期复用知识——研究人员展示了机器人可以生长出自己的智能。该系统达到了与重度编程机器相媲美的性能水平，同时使用的初始指令却少得多。它证明了机器人可以学习处理延迟后果，在初始假设错误时进行调整，甚至能发现从未由其创造者指定的变量和关系。这种方法为那些能在开放、多变的运行环境中工作，并在与世界交互的过程中变得越来越聪明且功能强大的机器提供了蓝图。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。