享有双臂的机器人能已完成进瓶盖这类任务吗？似乎，这必须它用一只手握紧瓶身，另一只手捏紧瓶盖并展开转动。这种比较复杂的顺序步骤一般来说被称作模式（schemas），它不不受目标的几何尺寸及空间状态的影响。另外，模式不像其他深度自学技术那样必须上百万个案例、花费数周甚至数个月的时间去自学。

最近FacebookAIResearch的一支团队企图让两支Sawyer机械臂从数据库中自由选择适合的步骤，从而已完成登录的目标。在每一个步骤中，机械臂必需要求好用于哪种技能，以及明确的参数原作（还包括产生力的方位和大小等）。尽管这牵涉到了很多简单的问题，但这支团队回应这种方法的自学效率迅速，一种操作者技巧有可能只必须几个小时就能已完成自学。

这支团队的核心目标就是协助机器臂应付更好的任务。它的自学流程分成两步，第一步自学已完成任务的模式，第二步学习策略为有所不同技能配备适合的参数。他们指出这种方法能习得更慢。

首先，同一任务的细节差异所带给的数据能用作技能优化。除此之外，其他涉及任务也能获得提高。“荐个例子，首先我们在建模中让机械臂学会了拾起一根棍子。

随后这个模式可以用作其他涉及任务，比如在现实中利用摄像头拿起一个碟子，虽然这两者的空间状态和明确参数（比如捕捉动作）差异相当大。在模式确认后，拿起碟子就只必须展开第二步的自学，也就是参数优化。

”这些研究员为机械臂设计了一个技能数据库，还包括挽回、高举、相似等动作。机械臂能用它对有所不同尺寸、有所不同空间状态的物体展开纵向运动、转动和打开等。

目前模式的训练是在MuJoCo建模环境中已完成的，它只必须机械臂本体感觉（还包括关节方位和关节扭矩等）和几何尺寸等少量数据。训练结果可以在建模环境和现实中展开用于。

本文来源：威尼斯wns8885556官方入口-www.cobargolf.com