機器人專家正在開發可以通過觀察人類來學習新任務的自動化機器人。在未來，培訓交互式機器人可能一天對每個人來說都是一件容易的事，即使那些沒有編程專業知識的人也是如此。這可以實現在家里，您可能有一天會向家用機器人展示如何做日常雜務，在工作場所中，您可以像新員工一樣訓練機器人，向他們展示如何執行許多職責。想想黑鏡中的場景，到那時，機器人會掌握更多的技能。

為了實現這一愿景，麻省理工學院的研究人員設計了一個系統，使這些類型的機器人可以學習復雜的任務，原先，按照機器人編程思維，這些日常任務就會用太多令人困惑的規則來阻礙它們，而自己人的自我學習則可以避開他們。這樣的系統最后任務之一是在某些條件下為人設置餐桌。

研究人員的這項系統的核心是“不確定規格計劃”（PUnS）系統，該機器人具有人性化的計劃能力，可以同時權衡許多模棱兩可（甚至可能相互矛盾）的要求，以達到最終目標。這樣做時，系統總是根據關于要執行的任務的一些可能允許的“條件”，從而選擇最可能采取的措施。

在他們的工作中，研究人員匯編了一個數據集，其中包含有關如何將八種物體（杯子，杯子，勺子，叉子，刀，餐盤，小盤子和碗）以各種配置放置在桌子上的信息。機械手臂首先觀察到隨機選擇的人類擺放桌子的演示。然后，研究人員要求該部門根據所看到的內容，以特定的配置，在實際實驗和仿真中自動設置路徑。

為了獲得成功，研究人員嘗試了更多可能性，但即使研究人員故意移除，堆疊或隱藏物品，機器人也可以權衡許多可能的放置順序。在通常，所有這些都會使機器人過于困惑。但是研究人員的機器人在幾個真實的實驗中沒有犯任何錯誤，而在成千上萬的模擬測試運行中只有少數錯誤。

“我們的愿景是將編程交給領域專家，他們可以通過直觀的方式對機器人進行編程，而不是向工程師描述要添加代碼的工程師的指令，”航空學研究生的第一作者Ankit Shah說。宇航公司（AeroAstro）和互動機器人小組強調說，他們的工作只是實現這一愿景的第一步。“這樣一來，機器人將不再需要執行預先編程的任務。工廠工人可以教機器人執行多個復雜的組裝任務。家用機器人可以學習如何在家里堆放櫥柜，裝載洗碗機或擺放桌子。”

與Shah一同參加論文的還有AeroAstro和Interactive Robotics Group的研究生 Shen Li和Interactive Robotics Group的負責人Julie Shah，后者是AeroAstro和計算機科學與人工智能實驗室的副教授。

不確定的意圖

機器人是具有明確“目的”的任務的良好計劃者，但這項系統可以幫助他們描述機器人需要完成的任務，并考慮其動作，環境和最終目標。原先通過觀察示范來學習擺桌子，充滿了不確定的可能性，因為機器人必須根據菜單和客人的座位將物品放置在某些位置，并根據物品的即時可用性或社交慣例將它們放置在某些順序中。而當前的機器人規劃方法無法處理這種不確定的規范。

在目前，一種流行的計劃方法是“強化學習”，一種反復試驗的機器學習技術，獎勵和懲罰他們在完成任務時所采取的行動。但是對于不確定規格的任務，很難定義明確的獎勵和懲罰。簡而言之，機器人永遠不會從對與錯中全面學習。

研究人員的系統稱為PUnS（用于不確定規格的計劃），使機器人能夠在一系列可能的規格上保持“信念”。然后可以使用信念本身來分配獎勵和懲罰。Ankit Shah說：“機器人本質上是根據任務的意圖或想法來決定行為，并采取符合其想法的行動，而不是我們給出明確的要求。”

該系統建立在“線性時間邏輯”（LTL）之上，該語言是一種表達性語言，可以使機器人對當前和未來的結果進行推理。研究人員在LTL中定義了模板，這些模板對各種基于時間的條件進行了建模，例如現在必須發生的事情，必須最終發生的事情以及必須發生直到發生其他事情為止。機器人對30個人演示設置表的觀察產生了25種不同LTL公式的概率分布。每個公式都為設置表格編碼了略有不同的首選項或規范。這種概率分布成為其想法（信念）。

“每個公式都編碼不同的東西，但是當機器人考慮所有模板的各種組合，并試圖使所有東西都滿足時，它最終將做正確的事情，” Ankit Shah說。

遵循標準

研究人員還制定了一些標準，指導機器人滿足對這些候選公式的全部信念。例如，一個滿足最可能的公式，該公式以最高的概率丟棄除模板之外的所有其他內容。其他人滿足最大數量的唯一公式，而不考慮其總概率，或者滿足代表最高總概率的幾個公式。另一個簡單地將誤差最小化，因此系統會忽略失敗概率很高的公式。

設計人員可以在訓練和測試之前選擇四個標準中的任何一個進行預設。每個人在靈活性和規避風險之間都有自己的權衡。標準的選擇完全取決于任務。例如，在安全關鍵的情況下，設計人員可以選擇限制故障的可能性。但是在失敗后果不那么嚴重的情況下，設計人員可以選擇賦予機器人更大的靈活性，以嘗試不同的方法。

有了適當的標準，研究人員開發了一種算法，將機器人的信念（指向所需公式的概率分布）轉換為等效的強化學習問題。該模型將根據決定遵循的規范，對執行的動作給予獎勵或懲罰來對機器人進行ping操作。

在模擬中要求機器人將工作臺設置為不同的配置時，在20，000次嘗試中，它僅犯了6個錯誤。在現實世界中的演示中，它顯示出類似于人類執行任務的行為。例如，如果某個項目最初不可見，則機器人將完成不包含該項目的表格的其余部分的設置。然后，當叉子被露出時，它將把叉子放在適當的位置。沙阿說：“靈活性非常重要。” “否則，當它期望放置叉子而不完成剩余的桌子設置時，它將卡住。”

接下來，研究人員希望修改系統，以幫助機器人根據口頭指示，更正或用戶對機器人性能的評估來改變其行為。沙阿說：“假設一個人向機器人演示了如何在一個位置擺放桌子。這個人可能會說，‘對所有其他位置都做同樣的事情’，或者‘將刀子放在這里的叉子之前，” 。“我們希望為系統開發方法，使其自然適應這些口頭命令，而無需進行其他演示。”