機器學習已成為人工智能要重點突破的領域之一，而我們知道冕象，在機器能真正習得一項本領之前代承，我們需要給它喂養(yǎng)海量的數(shù)據(jù)、進行足夠的訓練渐扮。也就是說论悴，機器「學習」實際上同樣要耗費大量的人力和物力。

不過日前 NVIDIA 的科研人員表示墓律，他們正在采用一種新的 AI 學習系統(tǒng)來訓練工業(yè)機器人膀估，即仿照我們?nèi)祟愖詫W的方法，讓它們通過觀察人類執(zhí)行指定任務耻讽，來重復這項執(zhí)行工作察纯。

通常情況下，機器學習都需要成千上萬條預存數(shù)據(jù)來訓練一組神經(jīng)網(wǎng)絡，然而其在高效性和場景適用性上都存在不足饼记。

相比而言, NVIDIA 的研究員所研發(fā)的 AI 學習系統(tǒng)香伴，高效性、適用性和性價比都要高很多具则。

至于這種 AI 學習系統(tǒng)的具體運用方式即纲，我們可用一張流程圖來表示：

整個學習系統(tǒng)中，一系列用于感知博肋、規(guī)劃和執(zhí)行的深度神經(jīng)網(wǎng)絡低斋，將幫助機器人完成整個學習過程。

第一步束昵，機器人通過攝像頭觀看人類示范的一項指定任務的執(zhí)行過程拔稳，然后由感知網(wǎng)絡推斷出場景中物體的特征、位置和關系锹雏。

第二步巴比，規(guī)劃網(wǎng)絡基于所觀察到的物體信息和執(zhí)行全程，生成一個執(zhí)行方案礁遵。

最后轻绞，執(zhí)行網(wǎng)絡負責完成這項任務，與此同時佣耐，如果其所處的環(huán)境發(fā)生變化政勃，感知網(wǎng)絡則會將這個信息傳遞到執(zhí)行網(wǎng)絡，使執(zhí)行網(wǎng)絡能做出相應的調(diào)整兼砖。

此外奸远，這個系統(tǒng)的另一大亮點，就是它能用簡單的英語對其正在執(zhí)行的步驟生成可讀的描述讽挟，這樣研究人員就能立馬知道出現(xiàn)了什么問題懒叛，并及時對錯誤進行修正。

Nvidia 表示耽梅，這是首次將合成數(shù)據(jù)（synthetic data）與圖像中心方法結(jié)合到機器人上薛窥。而合成數(shù)據(jù)的使用，則能讓神經(jīng)網(wǎng)絡獲得近乎無限的海量數(shù)據(jù)眼姐。

另外值得一提的是诅迷，該學習系統(tǒng)還有可能被應用到「人機協(xié)同」工作的場景中，至于具體操作和可行性众旗，則還需另做評估罢杉。