人类善于通过观察和实践，养成了操作不同工具的技能，加州大学伯克利分校（UC Berkeley）人工智能研究院（BAIR）最新公布一项研究成果，把上述学习方式应用在机器人身上，研究人员利用演示数据集和无监督经验，让机器人通过模仿及互动模式来学会如何使用工具，在训练之后，机器人尽管遇到先前从没见过的工具，一样会知道如何使用。
BAIR 博客文章指出，去年底 BAIR 完成一项研究工作，是让机器人在无监督学习的情况下与环境交互，进而建立一个可预测因果关系的视觉模型，基于这个学习模型，机器人可以完成一些简单的任务，包括叠衣服、摆放物体、或是用毛巾把物体遮盖起来等。但是，如果要加入使用工具，以实现更复杂的互动时，如拿扫帚把垃圾扫入簸箕里，就显得不足。
BAIR 研究人员进一步指出，许多动物利用观察和实验可以学会如何使用工具，比如通过观察彼此，黑猩猩知道如何使用树枝来捕抓白蚁，卷尾猴也懂得拿棍棒把食物“扫”过来，靠近自己，方便拿取，诸如此类使用工具的能力其实代表更高水平的智力。
因此，他们从动物的学习方式取得灵感，展开了进一步的研究：让机器人像人类一样，通过观察和实验来使用工具。通过设计出允许机器人通过类似模仿和互动模式的算法，来掌握使用工具的技能，机器人不仅学会了把从没见过的物体拿来当作工具，加以使用，甚至在没有传统工具可用的情况下，以“即兴物品”来替代，例如，没有扫帚时，推断出瓶子等普通物品，也可作为工具使用，会更有效率地完成任务。
图|机器人学会把不同的物体当作工具使用，以达到指定的任务，比如利用小扫帚将圆型物体推向黄色箭头方向（来源：BAIR）
首先，他们先示范如何使用各个不同工具，每一次演示，都会把机器人摄像头、抓手夹具位置等连续动作的图像记录下来，并利用这些数据建立一个动作提议模型，使机器人能够把当前场景中的物体当作工具来使用。
但光是这样还不够，目前外界对于机器人的期待是可以做出超越演示的表现，例如遇到没见过的东西，也要懂得判断如何处理或应对，才能让机器人技术进一步泛化到新的物体和新的场景下，如此就需要有大量不同的数据，因此，BAIR 研究人员通过让机器人能自行收集数据来扩展其经验。机器人以两种不同的方式自主收集数据，一是采取随机的动作序列，二是从上述的动作提议模型中抽样，机器人可抓取工具，并随机移动。
而整个数据集包括专家演示、机器人对各种工具的无监督经验，以及 BAIR 机器人交互数据集（BAIR Robot Interaction Dataset）的数据，研究人员使用整个数据集来训练动力学模型。
图|机器人在无监督情况下自行与不同的物体进行交互 （来源：BAIR）
在测试时，机器人可以使用模仿训练的模型来规划过程，预测模型则会用来决定机器人可做出哪些动作来执行任务。当用户指定任务时，并不会告诉机器人如何使用工具、或是有哪些备选工具可以使用，机器人必须在规划过程中自己弄清楚。
图|机器人之前从未见过海绵，也能够知道如何使用它来清除盘子上的东西（来源：BAIR）
图|因为机器人只允许在绿色区域内移动，它懂得利用L形钩来移动蓝色圆柱，而不会跨越绿色区域范围（来源：BAIR）
图|遇到瓶子时，机器人也推断出可以利用它来完成任务（来源：BAIR）
BAIR 指出，处理过去不曾见过的物体，一直是机器人执行任务时很大的挑战，为了研究这个问题，他们结合了模仿和自我监督的交互，并通过上述的演示，让机器人能够使用多个物体来完成复杂的多对象任务，甚至可以在新场景下使用即兴工具，这项研究工作有助于让机器人更加通用，在日常环境中执行实际的任务。
