面向先进机器学习算法的具有丰富交互能力的鲁棒软体婴儿机器人

先进的机器学习算法需要极其鲁棒且配备丰富传感反馈的平台，以在不依赖强归纳偏置的情况下处理大量的试错学习。传统的机器人设计虽然非常适合其特定用例，但在与这些算法配合使用时往往显得脆弱。为了弥补这一差距——并受到实现好奇心驱动的婴儿机器人这一愿景的启发——我们提出了一种从零开始设计的全新机器人肢体。我们的设计具有软硬混合结构、配备丰富非接触式传感器（纯摄像头）的高冗余性，以及易于更换的故障点。在物理原型上使用两种当代强化学习算法进行的概念验证实验表明，即使在模拟传感器故障的情况下，我们的设计也能够在极少人工监督的长时间学习过程中成功完成简单的目标寻找任务。我们相信这一设计代表了朝着为实现通用、普适智能机器人而定制机器人设计迈出的具体一步。