假设你有一（yī）个末（mò）端类似于（yú）人手的机械（xiè）臂。你已经（jīng）训练它的5个指头学会拿起一把锤子，以及将钉子钉入木（mù）板（bǎn）。但现（xiàn）在（zài），你希望一种（zhǒng）“二指夹爪”也（yě）能完（wán）成（chéng）同（tóng）样的任务。为此，科（kē）学家（jiā）创造出了一连串的虚拟机（jī）器（qì）人来模拟两种机械（xiè）臂之（zhī）间的形态：它会（huì）从最初（chū）类似于人手的结构缓慢地转变成一种新的（de）形状。每一个（gè）中间机器人都（dōu）会通过练习（xí）指定的任务，以此调整对（duì）应的人工神经网络（一种（zhǒng）计算模型），直到达（dá）到阈（yù）值成功率。紧接着，这个系统的控制（zhì）器代（dài）码就会被传递给（gěi）这条“链（liàn）”上的下一个中间机器人。

 

        为（wéi）了完成从虚拟机器人到（dào）目标机器（qì）人的转（zhuǎn）变，研究团队创建出了一种共享式树状运动链（kinematic tree）。其（qí）中，一组代（dài）表肢体部分（fèn）的节点被一些代表关（guān）节的（de）链（liàn）接器（link）连接了（le）起（qǐ）来。为了将锤击技（jì）能迁移（yí）到二指夹（jiá）爪，这支团队将原（yuán）本结构中（zhōng）代表（biǎo）三个指头的节点的大小和权重都调整为（wéi）零。对于（yú）每一个（gè）中（zhōng）间（jiān）机器人来说，相应指头的大小和权（quán）重就（jiù）会逐（zhú）渐变小。

 

        与此（cǐ）同时，控制它们的（de）神经网（wǎng）络也必须学会作出调整。此外，研（yán）究人员还调整了训练方法，以便使中（zhōng）间机器人之（zhī）间的变化不会太大（dà）也不会太小。

         

        这个由卡内（nèi）基梅隆大（dà）学设计的系统叫作REvolveR（RobotEvolve Robot）。它的表现优（yōu）于机器学习的基（jī）本方法，比如从头开始训练目标机器（qì）人的方法。在锤击任务和其他训练（liàn）任（rèn）务（包括移动一个球和（hé）打（dǎ）开一扇（shàn）门（mén））中，为了（le）使机（jī）器人（rén）夹（jiá）爪达到90%的成功率，此（cǐ）前最好的替代性训练方法需（xū）要（yào）比REvolveR多执行29%~108%的试验次（cì）数（shù），尽管这些（xiē）替代性方法在训练过程中提供了（le）更多的信（xìn）息反（fǎn）馈。接下（xià）来（lái），研究人员还使用其他类型的虚拟机（jī）器（qì）人测（cè）试他（tā）们的训（xùn）练方法。例（lì）如，利用这种（zhǒng）方（fāng）法为（wéi）一个蜘蛛状机器人添加新的（de）腿部（bù）结构，并让它重新学会爬行。

 

        维塔利（lì）·库林（未参与这项研（yán）究）是英国牛津大学（xué）的计算机（jī）科学家，主要研究机器人（rén）和机器学习，他表示：“我认为这是一（yī）种（zhǒng）非（fēi）常巧（qiǎo）妙的方法。”尽管通过（guò）将艰巨的挑战分解成（chéng）一系列（liè）小的部分，从而使（shǐ）AI能够在不同的任务（wù）之间实现技能迁移的方法并（bìng）不新鲜，“但（dàn）在（zài）一个机器人（rén）与（yǔ）另一个机器人之间（jiān）进行（háng）内插，以此实现（xiàn）技（jì）能迁移，这是我以前从未想到的。”