據(jù)外媒報(bào)道，近日，谷歌大腦展示了如何讓機(jī)器人沒有目標(biāo)地“玩”也可以變得更聰明。谷歌通過模擬遠(yuǎn)程操縱機(jī)器人獲得了一個(gè)數(shù)據(jù)集“Learning from Play data（LfP）”。在遠(yuǎn)程操作中，研究人員讓機(jī)器人用機(jī)械手和機(jī)械臂與現(xiàn)實(shí)世界交互，但是沒有具體的目標(biāo)。

谷歌將這個(gè)數(shù)據(jù)集用于系統(tǒng)內(nèi)，該系統(tǒng)試圖對這些有趣的動(dòng)作序列進(jìn)行分類，并將它們映射到一個(gè)潛在的空間。同時(shí)，系統(tǒng)中的另一個(gè)模塊試圖查看潛在空間并提出可以將機(jī)器人從其當(dāng)前狀態(tài)轉(zhuǎn)換到其目標(biāo)狀態(tài)的動(dòng)作序列。

谷歌將使用這個(gè)數(shù)據(jù)集的方法與使用行為克隆技術(shù)等方法做比較，結(jié)果發(fā)現(xiàn)使用LfP數(shù)據(jù)集的機(jī)器人表現(xiàn)更穩(wěn)定，且在大部分任務(wù)中成功率都較高。有趣的是，研究人員還發(fā)現(xiàn)，使用LfP數(shù)據(jù)集訓(xùn)練的機(jī)器人在首次失敗后會多次重新嘗試完成任務(wù)，且在從未接受過任務(wù)標(biāo)簽訓(xùn)練的情況下，機(jī)器人的潛在規(guī)劃空間會學(xué)會嵌入任務(wù)語義。