一輛小型無(wú)人機在一個(gè)空曠的地方進(jìn)行試飛，里面裝滿(mǎn)了隨意放置的紙板筒，它們充當樹(shù)木，人或建筑物的替身?？刂茻o(wú)人機的算法已在一千個(gè)模擬的載滿(mǎn)障礙的路線(xiàn)上進(jìn)行了訓練，但從未見(jiàn)過(guò)這樣的路線(xiàn)，這架飛機避開(kāi)了其路徑上的所有障礙。

該實(shí)驗為現代機器人技術(shù)中的關(guān)鍵挑戰提供了試驗平臺：保證在新型環(huán)境中運行的自動(dòng)化機器人的安全性和成功的能力。隨著(zhù)工程師越來(lái)越多地使用機器學(xué)習方法來(lái)開(kāi)發(fā)適應性強的機器人，普林斯頓大學(xué)研究人員的新工作在各種障礙和約束條件下為機器人提供此類(lèi)保證方面取得了進(jìn)展。

“在過(guò)去的十年左右的時(shí)間里，在機器人技術(shù)方面，機器學(xué)習獲得了巨大的興奮和進(jìn)步，主要是因為它允許您處理豐富的感官輸入，例如來(lái)自機器人相機的感覺(jué)輸入，并映射這些復雜的輸入普林斯頓大學(xué)機械與航空航天工程學(xué)助理教授阿尼魯達瑪(Anirudha Majumdar)說(shuō)，要采取行動(dòng)。

但是，基于機器學(xué)習的機器人控制算法存在過(guò)擬合其訓練數據的風(fēng)險，這可能會(huì )使算法在遇到與訓練時(shí)輸入不同的輸入時(shí)效率降低。Majumdar的智能機器人運動(dòng)實(shí)驗室通過(guò)擴展用于訓練機器人控制策略的可用工具套件，并量化了在新穎環(huán)境中執行機器人的可能成功和安全性，來(lái)應對這一挑戰。

在三篇新論文中，研究人員將其他領(lǐng)域的機器學(xué)習框架應用于機器人運動(dòng)和操縱領(lǐng)域。他們轉向一般化理論，該理論通常用于將單個(gè)輸入映射到單個(gè)輸出的上下文中，例如自動(dòng)圖像標記。新方法是最早將泛化理論應用于更復雜的任務(wù)的方法之一，以確保在陌生環(huán)境下機器人的性能。Majumdar說(shuō)，雖然其他方法在更嚴格的假設下提供了此類(lèi)保證，但該團隊的方法為新穎環(huán)境中的性能提供了更廣泛適用的保證。