从模仿到自学：DeepMind如何让机器人自己学会新技能

我们总说“机器人越来越聪明”，可背后真相是，大多数机器人依然只能“照猫画虎”——靠人类演示来模仿操作，一旦遇到没见过的场景，就“傻眼”。想让机器人真正具备像人一样的学习能力，一直是个技术难题。

最近做了一件非常厉害的事：他们不再让机器人死记硬背，而是教它们“怎么自己学”。这个新方法打破了过去机器人学习的范式束缚，让机器第一次拥有了“自我成长”的能力。

两阶段训练：从“看人做”到“自己练”

传统的机器人训练靠的是“行为克隆”（ ），也就是把人类操作录下来，然后让机器人模仿。这种方法有两个严重问题：

数据成本高：得采集成千上万条人类演示，操作精细、标注复杂。泛化能力差：只会做看过的任务，稍微换个场景就不行了。

提出了一个两阶段的后训练框架（Post ）：

第二阶段：自我提升（Self-）

机器人开始“自我训练”——用自己生成的轨迹反复练习，不再需要人类演示。它通过“剩余步骤预测”这个机制，自己判断动作是否成功，并据此改进策略。

关键是：这个方法不需要设计复杂的奖励函数，也不用人工监控，机器人可以在真实环境中自己练、自己学、自己进步。

实验验证：从仿真到现实，机器人真的学会了

在两个机器人平台上测试这个方法： 和 Aloha，涵盖了从简单抓取到双臂插入等复杂任务，结果都很惊人。

实验（仿真+现实）

这个平台大概是让机器人根据语言指令摆放不同形状的积木，比如“把红色星形积木放到蓝色方块上”。

实验发现：

换句话说，靠“自己练”带来的提升，比死命喂数据还强。

Aloha 实验（双臂插入）

这是个更难的任务：左手拿套筒，右手拿插销插进去。动作空间更大，模仿数据更少。

结果依然清晰：自我提升明显优于单纯模仿学习，尤其在数据稀缺的情况下，表现更稳、更准。

真正的突破：机器人能“学会没教过的技能”

最让人兴奋的一点是： 的方法不只是让机器人做得更好，而是让它能学会训练时根本没教过的新技能。

他们在一个叫“”的新任务上做了测试——这个任务需要机器人推动香蕉这样的不规则物体，稍微用力不对就会打滑、旋转。

结果是：机器人没看过这种操作演示, 但通过前面的训练，它居然靠自我学习掌握了新技能，完成了任务。

这就是行为泛化，而不仅仅是“换个颜色、换个形状”的语义泛化。这种能力，过去的机器人从未具备。

路还长，但未来已来

当然，这套方法也不是没有问题：

不过， 这次的突破，已经把机器人从“死记硬背”带进了“自主成长”的新阶段。

就像人类学走路、学写字一样——不是靠别人教会我们每一步，而是靠反复尝试、不断自我调整。

今天的机器人，终于也开始走上这条“自己成长”的路。