原標題：機器人誕生「自我意識」，哥大華人登Nature子刊：照鏡子學會自我建模
文章來源：新智元
內容字數：6745字

哥倫比亞大學研發出能自我學習的機器人

哥倫比亞大學的研究人員開發出一種新型AI系統，使機器人能夠通過普通攝像頭和深度神經網絡實現自我建模、規劃和自我修復，為具身智能發展帶來了新的范式。這項突破性技術讓機器人擺脫了對工程師持續干預的依賴，實現了類似人類的自主學習和環境適應能力。

1. 機器人自我學習的突破

傳統機器人依賴工程師進行機械建模、仿真和算法編寫，硬件結構改變或損壞后也需要工程師干預。而這項新研究讓機器人僅通過普通攝像頭，就能像人類一樣觀察自身并理解身體構造，甚至能在“受傷”后自主調整和恢復。這得益于名為“FFKSM”（Free Form Kinematic Self-Model）的技術，它包含三個深度神經網絡：坐標編碼器、編碼器和預測模塊，通過處理3D點坐標和關節角度，預測機器人在三維空間中的位置，并進行自我調整。

2. 解決具身智能的三大難題

這項技術攻克了具身智能的三大難題：數據與物理實體的割裂、模型的自我更新和Sim2Real問題。FFKSM讓機器人通過攝像頭觀察自身，構建通用自我表征，無需手工定義模型，解決了數據復用難題；動態自我建模技術使機器人持續感知身體狀態，即使機械臂因磨損產生微小形變也能自主更新模型；實時在線建模則實現了“所見即所得”的學習范式，解決了仿真與現實差異問題。

3. 具身智能的新范式：從“功能機器”到“認知生命體”

這項技術將機器人從被動執行任務的工具轉變為主動學習、適應和調整的認知生命體。它建立了基于視覺-關聯的直覺認知，更接近生物的本體感知，并通過三個深度神經網絡的協同機制形成了類腦的認知閉環。研究人員可以追溯機器人的“思考”路徑，例如，機器人選擇繞過障礙物時，其“思考”過程是先自我模擬機械臂擺動幅度，再計算碰撞概率，最后生成避讓軌跡。

4. 廣泛的應用場景

這項技術在人形機器人、極端環境探測器和人臉機器人等領域具有廣泛應用前景。例如，在戶外行走的人形機器人可以實時識別環境變化并調整姿態；在極端環境下，機器人可以檢測自身異常并調整控制策略，即使部件受損也能繼續完成任務；人臉機器人則可以擺脫人工建模，通過視覺學習自身結構和方式，自主優化表情控制模型，減少“恐怖谷效應”。

5. “自我意識”的實現

這項研究是哥倫比亞大學團隊二十年研究的最新成果，機器人通過觀察來創建自我模擬，從簡單的火柴人形狀到如今使用單個普通攝像機創建全面的自我模型。研究人員將這種能力稱為“自我意識”，它賦予機器人想象自身未來狀態的能力，從而拓展了機器人的行動可能性。

6. 華人作者介紹

論文第一作者胡宇航是哥倫比亞大學博士生，他一直致力于研究人類和動物如何理解世界，并將其應用于機器人研究，希望機器人能夠像人類一樣通過視覺感知和理解自身在物理世界中的存在。

聯系作者

文章來源：新智元
作者微信：
作者簡介：智能+中國主平臺，致力于推動中國從互聯網+邁向智能+新紀元。重點關注人工智能、機器人等前沿領域發展，關注人機融合、人工智能和機器人對人類社會與文明進化的影響，領航中國新智能時代。