在今日的《TC Sessions：Robotics》大會上，加州大學伯克利分校的一支研究團隊，介紹了一套可讓機器人在幾分鐘內站起來的加速學習方法。傳統依靠人工智能（AI）學習新任務的機器人，往往需要經歷繁瑣且重複的訓練過程。而通過新穎的學習技術，其有望簡化並縮短這一過程。
該校研究員 Stephen James 解釋稱：新技術旨在讓機器人快速補足短板，而不是從頭開始訓練。
我們採用的技術是一種對比學習設置，它會分析 YouTube 視頻並嘗試重建各個區域的圖像，以理解並推斷後面可能有什麼。
此外通過物理或 VR 方式操控機器人本體時，操作者也需要結合填充的視頻圖像信息，對環境做一個大致的了解。
好消息是，這套方案已經產生了不錯的效果。通常某些任務可能需要數百次演示，才能讓機器人學會如何去執行。但現在只需提供少量的演示（比如 10 次），便可教會它。
據悉，Alejandro Escontrela 擅長設計從 YouTube 視頻中提取的相關數據模型，比如動物、人類或其它機器的動作。
機器人能夠利用這些模型來訓練自己的行為，並判斷給定的動作是否看起來與需要嘗試的操作類似。
有趣的是，儘管許多同類機器人都是先在類似 VR 的模擬環境中學習並測試，但 Danijar Hafner 更進一步地提升了流程效率。
通過直接跳過測試階段，讓機器人在現實環境中直接展開訓練 —— 從行走、絆倒、被推搡等互動中實時學習。
accelerated learning that puts robots on their feet in minutes（via）
這麼做的好處是機器人系統可以邊工作邊學習，而不必回到模擬器來整合新信息，從而極大地簡化了工作任務，目前伯克利研究團隊正在向著這個目標大舉邁進。
最後，Danijar Hafner 認為 —— 機器人學習的聖杯，就是在現實世界中展開儘可能多的快速學習。
相關文章:
虛擬脊髓讓Morti機器狗在短短一小時內學會正常行走