想象一下，如果机器人可以通过观看演示来学习:你可以向一个家庭机器人演示如何做家务或摆餐桌。在工作场所，你可以像训练新员工一样训练机器人，教它们如何执行许多任务。在路上，你的自动驾驶汽车可以通过观察你在附近驾驶来学习如何安全驾驶。

南加州大学的研究人员在这方面取得了进展，他们设计了一个系统，可以让机器人从少量的演示中自主学习复杂的任务——即使是不完美的演示。这篇题为《使用信号时序逻辑从演示中学习》的论文在11月18日的机器人学习大会(CoRL)上发表。

研究人员的系统是通过评估每个演示的质量来工作的，因此它从看到的错误和成功中吸取教训。尽管目前的先进方法需要至少100个演示才能完成特定任务，但这种新方法允许机器人仅从少量演示中学习。

它还能让机器人更直观地学习，就像人类互相学习一样——你看着某人执行一项任务，即使是不完美的，然后自己尝试。对于人类来说，从彼此观察中获取知识并不一定是一个“完美”的演示。

“许多机器学习和强化学习系统需要大量的数据数据和数百个演示——你需要一个人来一遍又一遍的演示，这是不可行的，”该研究的主要作者、南加州大学维特比工程学院(USC Viterbi School of Engineering)计算机科学博士生阿尼拉德·普拉尼安(Aniruddh Puranic)说。

而且，大多数人没有编程知识来明确地说明机器人需要做什么，而人类也不可能演示机器人需要知道的所有东西。如果机器人遇到了它以前没见过的东西怎么办?这是一个关键挑战。”

学习从示威游行

在获得针对复杂任务的有效机器人控制策略(控制机器人的运动)方面，从演示中学习正变得越来越流行。但它很容易在演示中出现缺陷，而且还会引发安全担忧，因为机器人可能会学习不安全或不受欢迎的动作。

而且，并不是所有的演示都是一样的:一些演示比其他的更能指示所期望的行为，而且演示的质量通常取决于提供演示的用户的专业知识。

为了解决这些问题，研究人员集成了“信号时序逻辑”(STL)来评估演示的质量，并自动对它们进行排名，从而产生内在的奖励。

换句话说，即使根据逻辑需求演示的某些部分没有任何意义，使用这种方法，机器人仍然可以从不完善的部分学习。在某种程度上，该系统对一次演示的准确性或成功程度得出了自己的结论。

“假设机器人学习不同类型的示威——它可能是一个亲身示范,视频,或模拟,如果我做的事情是非常不安全的,标准的方法要做的两件事之一:要么,他们会完全无视它,甚至更糟的是,机器人将学习错误的事情,”合著者Stefanos Nikolaidis说,南加州大学维特比工程助理教授计算机科学。

相比之下，这项工作以一种非常聪明的方式，使用一些逻辑形式的常识推理来理解演示的哪些部分是好的，哪些部分是不好的。从本质上说，这正是人类所做的。”

举个例子，在一个驾驶演示中，有人跳过停车标志。这将被系统排在较低的位置，而不是一个好的驾驶员的表现。但是，如果在这个演示过程中，驾驶员做了一些智能的事情——例如，踩刹车以避免碰撞——机器人仍然会从这个智能行为中学习。

适应人类偏好

信号时序逻辑是一种具有表达能力的数学符号语言，使机器人能够对当前和未来的结果进行推理。前丰田工程师、USC Viterbi计算机科学助理教授Jyo Deshmukh表示，虽然之前在这一领域的研究使用的是“线性时序逻辑”，但STL在这种情况下更合适。

“当我们进入机器人和自动驾驶汽车等网络物理系统的世界时，时间是至关重要的，线性时序逻辑就变得有点麻烦了，因为它会推断变量的真/假值序列，而STL允许对物理信号进行推理。”

Puranic得到Deshmukh的建议，在跟Nikolaidis上了一节机器人学课后萌生了这个想法。Nikolaidis一直在研发能从YouTube视频学习的机器人。三人决定测试一下。三位教授都表示，他们对该系统的成功程度感到惊讶，教授们都称赞Puranic的努力工作。

“与广泛应用于许多机器人应用的最先进的算法相比，你会看到需要多少演示的数量级差异，”Nikolaidis说。

该系统是用minecraf类似游戏模拟器来测试的，但研究人员表示，该系统也可以从驾驶模拟器学习，最终甚至可以从视频中学习。接下来，研究人员希望在真正的机器人上进行试验。他们说，这种方法非常适合那些事先知道地图，但地图中存在动态障碍的应用:家庭环境中的机器人、仓库甚至是太空探索漫游者。

“如果我们想让机器人成为优秀的队友并帮助人类，首先它们需要非常有效地学习并适应人类的喜好，”Nikolaidis说。“我们的方法提供了这一点。”

“我很高兴能将这种方法集成到机器人系统中，帮助它们高效地从演示中学习，同时也能在合作任务中有效地帮助人类队友。”