美國陸軍研究實驗室（ARL）和德克薩斯大學（UT）奧斯汀分校的研究人員已經(jīng)開發(fā)了新的機器人或計算機程序技術，以學習如何通過與人類指導員進行交互來執(zhí)行任務。這項研究的結(jié)果于2月2日至7日在路易斯安那州新奧爾良的人工智能促進協(xié)會論壇上公布。

ARL和UT研究人員考慮了一個特定的情況，即人以評論的形式提供實時反饋。奧斯汀得克薩斯大學的合作者Peter Stone博士和他的前博士生Brad Knox首先研發(fā)的TAMER，或者通過評估強化手動培訓機器人人，由ARL/UT團隊開發(fā)了一種新的算法叫Deep TAMER。

這是TAMER的擴展，采用深度學習，它的靈感來源于人類的大腦，讓機器人可以獲得通過短時間觀看視頻來獲得執(zhí)行任務的能力。

據(jù)軍方研究員Garrett Warnell博士表示，研究小組認為，一個人通過觀察和提供評論（例如，"好工作"或"糟糕的工作"）來教導機器人如何做事，就像人類訓練狗去變戲法一樣。Warnell說，研究人員延伸了這個領域的早期工作，使這種類型的機器人或計算機程序的培訓，通過圖像看世界，這是設計可以在現(xiàn)實世界中運行的學習代理的重要第一步。

目前人工智能中的許多技術要求機器人在較長的時間內(nèi)與環(huán)境進行交互，以學習如何最佳地執(zhí)行任務。在這個過程中，機器人人可能會執(zhí)行一些不僅可能是錯誤的行為，例如機器人在墻上跑步，而且可能會發(fā)生像機器人跳下懸崖等災難性的事故。Warnell表示，來自人類的幫助將加快機器人的成長速度，并幫助他們避免潛在的陷阱。

作為第一步，研究人員展示了Deep TAMER的成功，通過15分鐘的人為反饋來訓練代理人在Atari保齡球游戲中比人類更好的表現(xiàn)，這個任務對于即使是最先進的人工智能方法而言也是非常困難的。Deep-TAMER訓練的機器人展示出了過人的表現(xiàn)，甚至優(yōu)于他們的業(yè)余訓練師以及專家級人類Atari玩家。

左：ARL的研究員Garrett Warnell博士，右：德克薩斯大學（UT）奧斯汀分校教授Peter Stone博士

在未來一到兩年中，研究人員有興趣探索他們的最新技術在更廣泛的環(huán)境中的適用性：例如除了Atari Bowling以外的視頻游戲和更多的仿真環(huán)境，為真實世界中的機器人找到更好類型的代理和環(huán)境。

Warnell表示，"未來的軍隊將由士兵和自主隊友并肩作戰(zhàn)，盡管人類和自主機器人都可以提前接受培訓，但他們有可能在完全陌生的新環(huán)境中執(zhí)行搜索、營救或監(jiān)視等任務，在這種情況下，人類可以很好地利用訓練隨機應變，而現(xiàn)在的人工智能機器人還做不到。"

Deep TAMER是研究人員設想的一系列研究的第一步，將使陸軍中更加成功的人類-自主機器人團隊成為可能。最終，他們需要自主的機器人人，能夠以各種各樣的形式，如演示、自然語言指導和評論，快速而安全地從他們的人類隊友學習。