想象一下，你购买了一台用于家务的机器人。这个机器人是在一家工厂里制造并进行了一系列任务的训练，它从来没有见过你家里的物品。当你让它从你的厨房桌子上拿起一个杯子时，它可能无法识别你的杯子（也许是因为这个杯子上印有一幅不寻常的图案，比如麻省理工学院的吉祥物——海狸提姆）。因此，这个机器人失败了。

“这个系统缺乏一个关键组成部分，即使机器人能够解释为什么它失败了，用户才能给予反馈。”麻省理工学院的电气工程和计算机科学（EECS）研究生安迪·彭说道。

彭和她在麻省理工学院、纽约大学和加州大学伯克利分校的合作者们共同创造了一个框架，使人类能够迅速教导机器人他们希望其完成的任务，而且只需要付出最少的努力。

当机器人失败时，系统会使用一种算法来生成反事实的解释，描述出机器人成功所需要改变的事情。例如，也许如果杯子是某种颜色的话，机器人就能够拿起杯子。它会将这些反事实展示给人类，并征询关于机器人失败原因的反馈。然后，系统会利用这些反馈和反事实的解释生成新的数据，用来对机器人进行微调。

微调是指对已经训练完成以执行某一任务的机器学习模型进行微小调整，以便它能够执行第二个相似的任务。

研究人员在模拟实验中对这项技术进行了测试，并发现它可以比其他方法更有效地教授机器人。采用这一框架进行训练的机器人表现更出色，而训练过程所需的人工时间则大幅减少。

这一框架有助于机器人在新环境中更快地学习，而无需用户具备技术知识。从长远来看，这可能是迈向让通用型机器人能够高效地在各种场景下为老年人或有残疾的个体执行日常任务的一步。

在职培训

机器人经常因为分布偏移而失效——即机器人在训练过程中没有见过的物体和空间被呈现给它，它无法理解如何在这个新环境中进行操作。

一种对机器人进行特定任务再训练的方法是模仿学习。用户可以展示正确的任务示范，以教导机器人应该做什么。如果用户试图教导机器人拾起一个杯子，但是使用的是一个白色的杯子进行示范，那么机器人可能会学到所有的杯子都是白色的。它随后可能无法拾起一个红色的、蓝色的或者是“Tim-the-Beaver-brown”颜色的杯子。

培训一个机器人，使其能够无论杯子是什么颜色，都能识别出它是一只杯子，可能需要数千次示范。

"我不想用3万个杯子来进行演示。我只想用一个杯子进行演示。但是，为了做到这一点，我需要教导机器人，让它能够识别并抓起任何颜色的杯子。” 彭说道。

为了实现这一目标，研究人员的系统会确定用户关心的具体对象（如一个杯子），并确定对于任务而言哪些元素并不重要（也许杯子的颜色并不重要）。它利用这些信息通过改变这些“不重要”的视觉概念来生成新的合成数据。这个过程被称为数据增强。

该框架包含三个步骤。首先，它展示了导致机器人失败的任务。然后，它从用户那里收集预期动作的演示，并通过在空间中搜索所有特征来生成反事实，展示了机器人成功所需的改变。

系统向用户展示这些反事实情境，并征求反馈以确定哪些视觉概念不会对所期望的行为产生影响。然后，系统将利用这些人类反馈生成许多全新的增强演示。

以此方式，用户可以展示拿起一只杯子，而系统将通过改变颜色展示使用不同杯子进行所需动作的演示，甚至达到数千次。系统利用这些数据来对机器人进行精细调整。

彭表示，为了使这种技术取得成功，创建虚拟的解释并向用户征求反馈至关重要。

从人类的推理到机器的推理

由于他们的工作旨在让人类介入训练环节，研究人员通过人类用户对他们的技术进行了测试。他们首先进行了一项研究，询问人们是否反事实解释有助于他们识别出对任务没有影响的元素。

“这一点一开始就非常清楚。人类非常擅长这种虚拟推理方式。而正是这种虚拟推理步骤使得人类推理能够以一种合理的方式转化为机器人推理，”彭先生说道。

然后，他们将他们的框架应用于三个仿真场景，其中机器人的任务是：导航到目标物体，拿起一把钥匙并打开一扇门，以及拿起一个所需物体然后将其放在桌子上。在每个场景中，他们的方法使得机器人的学习速度比其他技术更快，同时需要较少的用户演示。

向前看，研究人员希望将这一框架应用于实际机器人上进行测试。他们同时也希望着眼于减少系统使用生成式机器学习模型生成新数据所需的时间。

“我们希望机器人能够像人类一样行动，并且以语义上有意义的方式执行任务。人类倾向于在抽象的空间中操作，不会考虑图像中的每一个细节。最终目标是让机器人能够以一个良好的、类似人类的抽象层次上进行学习和表征，”彭先生说道。