研究表明，在训练人工智能机器人的竞赛中，音频可能会成为更受欢迎的数据源。
通过使用一种称为模仿学习的方法，研究人员能够比以前更快地训练机器人。
他们没有手动编码每个任务，而是向机器人展示了数百个正在进行的任务示例。
如果可以使用研究中的设备大规模收集音频，它将赋予机器人一种新的“感觉”，帮助它们更快地适应能见度有限或没有能见度的环境。
密歇根大学机器人学副教授 表示：“可以肯定地说，音频是感知研究中最大的缺失部分。”但他并未参与这项研究。
这是因为大多数训练机器人操纵物体的研究都是针对工业分类和放置任务，例如将物体分类放入箱子中。
这些任务不会从声音中获得太多价值，而是更多地依赖于触觉或视觉传感器。
但贝伦森表示，随着机器人的用途扩展到家庭、厨房和其他场所，音频将变得越来越有用。
假设一个机器人试图找到哪个包或口袋里有钥匙，但视线有限。“在你触摸钥匙之前，你可以听到它们叮当作响。这表明钥匙在那个口袋里，而不是在另一个口袋里，”贝伦森说。
然而，音频也有局限性：研究小组指出，声音对于衣服等柔软或有弹性的物体来说并不那么有用，因为它们发出的声音并不那么多可用（且有意义）。
机器人也很难滤除执行任务时产生的噪音，因为这种噪音在人类生成的训练数据中并不存在。
为了解决这个问题，研究人员需要将机器人的“声音”和执行器噪音添加到训练集中，以便机器人能够学会过滤掉它们。
刘说，下一步是看看这些模型在更多数据的情况下表现如何。这可能意味着增加更多麦克风来收集空间音频，并将麦克风集成到其他类型的数据收集设备中。
支持：任
操作/布局：何晨龙
