华盛顿州立大学的研究人员正在用于训练动物的点子，协助非专业用户训练机器人如何继续执行预期任务。　　当机器人在社会中更加广泛，人类开始期望它们能做到一些家务琐事，比如清扫房间，吃饭，等等。不过，对于那些没编程经验的人来说，让机器人开始继续执行一个任务，必需给与一定的提示解释。

所以，我们必须为普通人获取一种训练机器人的方式，需要编程就能做。MatthewTaylor说，他是华盛顿州立大学电子工程与计算机科学学院教授。　　BeiPeng是布朗大学和北卡罗莱纳州而立大学计算机科学专业博士生兼任项目协作员。

在他的协助下，Taylor在华盛顿州立大学智能机器人自学实验室设计了一款计算机程序，即便用户没任何计算机编程专业知识也可以教会虚拟世界机器人自学任务，这个虚拟世界机器人坐落于华盛顿州立大学的智能机器人自学实验室，是一只虚拟世界小狗。　　为了展开学术研究，研究人员转变了虚拟世界狗的反应速度。当人们训练确实的动物自学某项新技能时，比较较快的运动能让训练人员告诉，虚拟世界狗否解读该如何作出不道德反应，这样训练人员才能获取更加明晰的指导，协助机器人更佳的自学。　　研究人员早已开始在实体机器人和虚拟世界机器人上做到实验，最后，他们期望用于这款程序协助人们沦为一个高效率的动物训练员。

　　在最近举行的国际自动代理与多代理系统会议（录：internationalAutonomousAgentsandMultiagentSystemsconference，该大会是一个汇集机器人代理服务商和机器人研究的科学大会）上，研究人员展出了他们的工作成绩。此外，该项目还取得了美国国家科学基金会的资金反对。

　　当机器人在人类世界里显得更加少见，让那些没编程经验的用户训练机器人自学新技能，就显得尤为重要。在现有的交互增强自学技术（InteractiveReinforcementLearning）里，绝大多数只专心于说明或统合非专业的人类对系统，以此加快机器人的自学速度；我们的目标，是给自学代理器程序设计一个更佳的展现出，让这个程序能在人类训练者和学习者之间引向更加多大自然且高效的交流。而人类对系统线性的通讯信息，概率上各不相同训练者的定位策略概率。

这项工作必须一个用户研究，通过在有所不同仿真环境下给与的有所不同奖励和/或惩罚，参与者训练一个虚拟世界代理器程序去已完成各种任务。我们的研究成果来自于60个参与者，展出了学习者可以自学自然语言命令，并适应环境其不道德继续执行速度，以此更加高效地从人类训练者那里自学。这个代理器程序的不道德继续执行速度可以顺利被调整，继而希望从人类训练者那里取得更加多具体的对系统（特别是在一些高度不确认的状态领域里）。

我们的研究结果表明，我们创意的自适应速度代理器程序在一些性能评估上高于那些相同速度代理器程序。此外，我们还研究了在训练条件下，指令对用户性能和用户偏爱的影响。

本文来源：bob综合app官网下载-www.vietnamlamp.com