新算法诞生，基于视觉模型的强化学习，让全能机器人成为可能

第一代叠衣服机器人由英国、希腊和捷克科学家们联合开发的新型机器人。但较为遗憾的是，它的速度慢得令人发指，叠完一件T恤需要至少6分钟，你可能会抓狂。

机器人由一个矩形机身和两支机械臂组成，它首先可以识别并拿起一件皱皱巴巴的衣服，然后开始在左右臂间切换、缓慢地识别衣物，寻找折叠点。

然后，它会把衣服放在桌面上，开始折叠。折叠一个部分之后，它会停下来，进一步识别并计算折叠点，然后继续操作。

最终，才会将衣物完全折叠好。测试视频已经使用3倍快放，机器人完成整个步骤耗费2分钟以上，现实中显然非常地缓慢。

当时我们都认为这项技术虽然仍不够成熟，但也是机器人第一次能够正确分辨衣物类型、并且完成折叠，已经是非常难得了。开发人员还测试了裤子、毛巾等，机器人都可精准识别出类型。

其实目前绝大多数机器人，都无法自我适应和从对复杂的环境中学习通用运动能力。

这就带来了一个难题：机器人只能很“笨拙”地完成一些程序员率先编程好的动作，并且是用单一的物体来完成单一的技能，这个特定的任务和道具就是它的全世界。比如，会递杯子就不会叠被子。

这意味着，我们可能要设计成千上万种机器人，只为了应对某一个具体任务。这实在是太蠢了。不过，要让机器学会自主感知世界，并根据环境变化做出相应的动作，那可是个大工程。

最近，伯克利大学就研究出了一种新的算法，基于视觉模型的强化学习，让全能机器人成为可能。

当机器人具有了掌握一般性技能并将其内化成“经验”的能力，能够灵活地执行多种同类任务，不需要每次都重新学习或编程，前景显然是值得惊喜的。

利用该算法模型，机器人在移动物体时，可以根据当前的动作图像中的像素分布，预测出下几帧图像中的像素分布，继而预测到该动作的下几秒钟的画面。简单来讲，就是根据当前图像中机器和物体在环境中的位置与其运动趋势，来预测机器人下一步动作产生的结果。