在今日的《TC Sessions：Robotics》大会上，加州大学伯克利分校的一支研究团队，介绍了一套可让机器人在几分钟内站起来的加速学习方法。传统依靠人工智能（AI）学习新任务的机器人，往往需要经历繁琐且重复的训练过程。而通过新颖的学习技术，其有望简化并缩短这一过程。

该校研究员 Stephen James 解释称：新技术旨在让机器人快速补足短板，而不是从头开始训练。

我们采用的技术是一种对比学习设置，它会分析 YouTube 视频并尝试重建各个区域的图像，以理解并推断后面可能有什么。

此外通过物理或 VR 方式操控机器人本体时，操作者也需要结合填充的视频图像信息，对环境做一个大致的了解。

好消息是，这套方案已经产生了不错的效果。通常某些任务可能需要数百次演示，才能让机器人学会如何去执行。但现在只需提供少量的演示（比如 10 次），便可教会它。

据悉，Alejandro Escontrela 擅长设计从 YouTube 视频中提取的相关数据模型，比如动物、人类或其它机器的动作。

机器人能够利用这些模型来训练自己的行为，并判断给定的动作是否看起来与需要尝试的操作类似。

有趣的是，尽管许多同类机器人都是先在类似 VR 的模拟环境中学习并测试，但 Danijar Hafner 更进一步地提升了流程效率。

通过直接跳过测试阶段，让机器人在现实环境中直接展开训练 —— 从行走、绊倒、被推搡等互动中实时学习。

accelerated learning that puts robots on their feet in minutes（via）

这么做的好处是机器人系统可以边工作边学习，而不必回到模拟器来整合新信息，从而极大地简化了工作任务，目前伯克利研究团队正在向着这个目标大举迈进。

最后，Danijar Hafner 认为 —— 机器人学习的圣杯，就是在现实世界中展开尽可能多的快速学习。