德克萨斯大学奥斯汀分校的计算机科学家已经教会了一个人工智能代理如何做一些通常只有人类才能做的事情——快速浏览一下周围环境并推断出它的整个环境，这是开发有效搜索和救援机器人所必需的技能，有一天可以提高DANG的有效性。危险任务。由克里斯汀·格劳曼教授、博士候选人桑托斯·拉玛克里希南和前博士候选人迪内斯·贾亚拉曼（现就读于加州大学伯克利分校）领导的研究小组今天在《科学机器人学》杂志上发表了他们的研究结果。        

大多数人工智能代理——能够赋予机器人或其他机器智能的计算机系统——都经过专门的训练——比如识别一个物体或估计它的体积——在他们以前经历过的环境中，比如工厂。但是Grauman和Ramakrishnan开发的代理程序是通用的，它收集视觉信息，然后可以用于广泛的任务。              

格雷曼说：“我们需要一个能够进入环境并在新的感知任务出现时做好准备的特工。”它的行为方式多样，能够在不同的任务中取得成功，因为它已经学习了有关视觉世界的有用模式。” 

         科学家们利用“深度学习”（一种受大脑神经网络启发的机器学习）在数千张不同环境的360度图像上训练他们的机器人。           

现在，当代理人看到一个从未见过的场景时，他利用自己的经验来选择一些场景——比如一个游客站在大教堂中间，向不同的方向拍摄几张照片——加起来不到整个场景的20%。这个系统之所以如此有效，是因为它不仅仅是在随机方向拍摄照片，而且在每一次拍摄后，选择它预测的下一张照片，将添加整个场景的最新信息。这很像如果你在一个你以前从未去过的杂货店，你看到苹果，你会期望在附近找到橙子，但是为了找到牛奶，你可能会朝另一个方向看。通过一瞥，这名特工推断出如果他朝其他方向看，他会看到什么，从而重建出一幅360度全方位的周围环境图像。              

Grauman说：“正如你在以往经验丰富的环境中（像你去过的所有杂货店一样）引入有关规律性的先验信息一样，这个代理以一种非因果的方式进行搜索。”它学会对在何处收集视觉信息进行智能猜测，以成功完成感知任务。”              

科学家们为自己设定的主要挑战之一是设计一种能够在有限时间内工作的药剂。这在搜索和救援应用中至关重要。例如，在燃烧的建筑物中，机器人会被要求快速定位人员、火焰和危险物质，并将这些信息传递给消防员。              

现在，新的代理就像一个人站在一个地点，有能力将相机指向任何方向，但不能移动到新的位置。或者，同样地，代理可以注视它所持有的对象，并决定如何转动该对象来检查它的另一面。接下来，研究人员正在进一步开发该系统，以便在全移动机器人中工作。              

利用德州大学奥斯汀分校德克萨斯高级计算中心和计算机科学系的超级计算机，用一种称为强化学习的人工智能方法培训他们的代理大约花了一天的时间。该团队在拉玛克里希南的领导下，开发了一种加快培训速度的方法：建立第二个代理，称为助手，以协助主要代理。    

          Ramakrishnan说：“使用培训期间提供的额外信息有助于[主要]特工更快地学习。”              这项研究得到了美国国防高级研究计划署、美国空军科学研究办公室、IBM公司和索尼公司的部分支持。