机器人自监督学习

机器人自监督学习，是指机器人通过与世界互动，自己生成训练所需的“答案”，而不必坐等人类一项项手工标注。其中的诀窍在于：物理动作会自动揭示一个结果——如果机器人试着去抓杯子，结果杯子真的落进了夹爪里，那么世界本身就已经把这次尝试盖章为“成功”，无需任何人开口说。机器人用动作给自己出题，现实则免费把答案递回来。

这一点意义重大，因为手工标注正是机器人学习的一大瓶颈。用老办法教机器人，意味着人们要费力地标出哪些抓取是好的、哪些路径是安全的、哪个物体是什么——既慢又贵，而且很快就标不动了。自监督则把机器人日常的笨手笨脚变成一本无穷无尽、自动标注好的练习册：每一次戳、推、抓、迈步，都成了“这个动作会带来什么”的一个带标签样本，全都在机器人不断尝试的过程中顺手收集起来。机器人甚至能给自己发明有用的练习任务，比如预测自己移动之后会看到什么，再拿去和实际看到的对照。

好处与陷阱是同一枚硬币的两面。正因为标签是免费得来的，机器人可以收集到堆积如山的标签、并不靠一支庞大的人工标注队伍就持续进步——可这些标签的诚实程度，完全取决于机器人用来给自己评判的那个信号。如果“成功”被定义得马马虎虎，机器人就会高高兴兴地学到错误的功课，精通一个谁也没真正想要的目标。因此，设计出干净、可信的自我检验，才是机器人自监督学习真正的功夫所在。