学习技巧

一种被称为电动机呀作响的初步机器人学习技术涉及将机器人的伪随机复杂电动机运动与所产生的视觉和/或听觉反馈相关联，从而在给定电动机输出模式的情况下，机器人可以开始期望感觉反馈模式。然后可以将所需的感觉反馈用于通知电动机控制信号。人们认为这类似于婴儿如何学会伸手去拿物体或学会产生语音。对于更简单的机器人系统，例如可以使用反向运动学将预期的反馈（期望的电动机结果）转换为电动机输出，则可以跳过此步骤。

一旦机器人可以协调其电动机以产生期望的结果，就可以使用通过模仿学习的技术。机器人监视另一个代理的性能，然后机器人尝试模仿该代理。将模仿信息从复杂的场景转换成机器人所需的运动结果通常是一个挑战。请注意，模仿是认知行为的高级形式，在体现动物认知的基本模型中不一定需要模仿。

一种更复杂的学习方法是“自主知识获取 ”：让机器人自己去探索环境。通常采用目标和信念系统。

通过“好奇心”算法，例如智能自适应好奇心或基于类别的内在动机，可以实现某种更具针对性的探索模式。这些算法通常涉及将感觉输入分为有限数量的类别，并为每种类别分配某种预测系统。预测系统会随着时间的推移跟踪其预测中的错误。减少预测误差被认为是学习。然后，机器人会优先探索最快学习（或减少预测错误）的类别。