機器人自監督學習

機器人自監督學習，是指機器人透過與世界互動，自己生成訓練所需的「答案」，而不必坐等人類一項項手工標註。其中的訣竅在於：物理動作會自動揭示一個結果——如果機器人試著去抓杯子，結果杯子真的落進了夾爪裡，那麼世界本身就已經把這次嘗試蓋章為「成功」，無需任何人開口說。機器人用動作給自己出題，現實則免費把答案遞回來。

這一點意義重大，因為手工標註正是機器人學習的一大瓶頸。用老辦法教機器人，意味著人們要費力地標出哪些抓取是好的、哪些路徑是安全的、哪個物體是什麼——既慢又貴，而且很快就標不動了。自監督則把機器人日常的笨手笨腳變成一本無窮無盡、自動標註好的練習冊：每一次戳、推、抓、邁步，都成了「這個動作會帶來什麼」的一個帶標籤樣本，全都在機器人不斷嘗試的過程中順手收集起來。機器人甚至能給自己發明有用的練習任務，比如預測自己移動之後會看到什麼，再拿去和實際看到的對照。

好處與陷阱是同一枚硬幣的兩面。正因為標籤是免費得來的，機器人可以收集到堆積如山的標籤、並不靠一支龐大的人工標註隊伍就持續進步——可這些標籤的誠實程度，完全取決於機器人用來給自己評判的那個信號。如果「成功」被定義得馬馬虎虎，機器人就會高高興興地學到錯誤的功課，精通一個誰也沒真正想要的目標。因此，設計出乾淨、可信的自我檢驗，才是機器人自監督學習真正的功夫所在。