机器人最出名的弱点就是不会通过反复练习学习做一件事。你能在一个机器人的大脑里打包许多信息，但是却没办法教它完成没有事先编程好的任务。甚至连简单的搬砖和扭饮料瓶都做不到。

不过这种情况很快就会改变了，加州大学伯克利分校的研究员们正在研究一种新算法让机器人可以通过练习、犯错来学习所有新技能，就像人类一样。切实点说，这个算法可能最终可能产生机器人管家，能帮你完成各种不想做的无聊乏味的家务活(换灯泡、洗厕所、叠衣服)。

一般来说，机器人认识世界是全靠大量预编程序的，让它们知道在什么情况下作何反应。这种算法可用于可控制的环境里(如实验室或医疗机构)，如果它们要更加融入我们的日常生活，机器人必须要学会适应未知环境，这会是人工智能技术发展的关键一步。

为此，伯克利分校“人与机器人倡议”活动的参与研究员正转向称为“深度学习”的人工智能分支，这个技术是来源于大脑利用神经线路来感知世界并进行互动。

机器人研究者sergey levine介绍说：“人类并不是生来就会所有的行为模式，但我们也不需要被编程。我们用一生的时间从他人、实践中学习、掌握这些技能。这个学习的过程根植于我们的神经系统，我们甚至没办法言传身教到底要怎样才能做好这件事，只能提供一些建议和指导让他们自己领悟学习。”

如果你用过siri、谷歌的语音助手或是谷歌街景，那你就已经从(深度学习)中获益了。不过把深度学习应用到动作技能上却有更多挑战。从复杂程度来说， 肢体任务比单纯地用视觉或听觉被动感知要难得多。

在近期的实验中，研究员一直在研究一个他们叫“伯克利清理乏味任务机器人”(berkeley robot for the elimination of tedious tasks，brett)的小机器人，brett被训练完成了一系列简单的动作任务，比如把楔子钉进洞里或堆乐高砖。这个算法包括brett学习新人物的好坏，达到多熟练会有奖励机制。这个奖励制度很关键：能帮助他完成任务的会得更高的分，而没用得动作则不会得分，这样会让他的神经网络传达成千上万的参数。

到目前为止，brett的训练结果令人震惊。如果把物体在一个场所的位置告诉他，他一般能在十分钟里面完成一个新任务。如果位置未知，那他就要同时开动视觉和动作控制马达，那么这个学习过程需要几个小时。

伯克利分校电气工程与计算机科学系的pieterabbeel说：“在我们的机器人学习打扫房间或洗衣服之前，我们仍然有很长的路要走，不过我们目前出的初步结果表明这种深度学习技术可以让机器人从零开始学习复杂的任务，这将带来革命性的影响。在接下来的额五到十年里，它们的学习能力或许会有明显进步。”

想想过年时候的大扫除全都可以交给机器人，是不是很爽？

以上是网络信息转载，信息真实性自行斟酌。