Science 好文：强化学习之后，机器人学习瓶颈如何突破？

图片地址：https://n.sinaimg.cn/spider202091/549/w894h455/20200901/3b17-iypetiv3415434.jpg

原标题：Science 好文：强化学习之后，机器人学习瓶颈如何突破？编译 | 陈彩娴编辑 | 陈大鑫在过去的十年里，机器学习确实取得了巨大的突破，计算机视觉与语言处理方面也因此出现了许多改变世界的重要应用。但是，这股“春风”却没有吹到智能机器人领域。针对机器人学习所面临的瓶颈，麻省理工学院机器人专家Leslie Pack Kaebling在《Science》上发表一篇名为《The foundation of efficient robot learning》的文章。她认为，造成这一现象的一个关键因素在于：机器人学习的数据只能通过在现实世界的操作中获得，成本非常高昂。为此，Leslie教授提出，实现下一代机器人学习的技术革新，需要应用新的算法、从自然体系中获取灵感，并灵活使用多项机器学习技术。1强化学习是否真的那么灵？尽管监督学习取得了许多重要的成果，但在机器人学习领域，强化学习（RL）更具有优势，因为机器人要在人类世界中执行一系