相信大家经常在新闻或社交媒体上看到一些视频，每当机器人站起来时，人类就会狠狠地一脚踹倒机器人，刚站起来，又踹一脚，或者每次机器人拿起一样东西时，人类就是把东西从它手中打掉。。。。。。总之就是各种折磨机器人，看着让人很愤怒。

其实，视频中的人们并不是心里变态，或者闲着没事干就去欺负机器人，而是一些机器人公司在对机器人的运动功能进行训练和测试而已。

一些技术含量很高的智能机器人，全身都布满了复杂元件的。如果未来的机器人想要应用在实际社会生活中，就会面临着人类社会错综复杂的各种环境以及变幻莫测的意外事件，这些都会对机器人造成极大的考验。

所以工程师对机器人百般刁难、各种折磨，都是在测试机器人力量控制单元、关节单元、动力设施等等的灵活程度和实际应用性。

只是这种训练方式看起来似乎很不“机器道”，那么到底有没有好一点的方法呢？

在传统的机器人训练模式中，常常是用代码写出一大串动作序列，连接传感器模块和动作模块。把机器人放置在专用的训练场中，进行一次又一次的重复操作，然后观察哪个地方有问题的，记录数据后再进行优化改善。

在人工智能逐渐流行的今天，更是需要让智能机器人进行大量实践，才能不断优化科学技术。这个过程不仅耗费时间人力，更对场地有一定的需求。

而在近年来出现的“仿真环境”则可以很好的解决这个弊端。所谓的“仿真环境”，也就是用代码写成的仿真器，在其中加入物理引擎，把万有引力、摩擦等现实环境逻辑加入到仿真器中，让仿真环境更加接近现实社会环境。

测试者可以在仿真环境中建立各种形状的对象和地形，将模拟出的智能机器人放在里面一遍遍的测试。现在市面上比较常见的仿真器就有Gym和Universe。

在仿真环境中训练机器人本质上就是一种迁移学习，在低成本环境中进行大量训练，从而获取到大量的数据，再从数据中提取特征应用到现实环境里，虽然不能完全替代现实训练，却可以极大的减少对现实训练的依赖，以及减少相关的费用及风险。

为了让未来的机器人变得更加人工智能，目前一些工程师还研究了一种名为“预见视觉”的技术，因为机器人和人类不一样，人类能自主判断周边环境所带来的各种连锁反应，但是机器人即使能看到周围的环境，也很难理解自己的行为会对周边的对象造成什么影响。

例如通过训练，未来的机器人知道了该怎么去拾取桌子上的物品。可在现实中，如果该物品正前方有一杯水，那结果往往有两个：一是机器人的手臂直直的伸出去，碰翻了那杯水。二是机器人的手臂转来转去，不知该怎么处理。而人类就可以轻松的应对。

“预见视觉”技术针对这种情况的解决方案是给智能机器人一个摄像头，然后把机器人放置在任意环境中让它自己活动。摄像头背后的“大脑”则在利用循环卷积网络对机器人看到的画面进行分析，很快就能实现对接下来几秒画面的预测。

这样就可以让机器人预见自己动作之后的情况。在理想情况下，就不太容易出现那种为了执行任务把周边环境弄得一团糟了。

预见视觉技术的应用，也让无监督学习在机器人训练的比重中加大，人类节省了时间，机器人也不用再受虐待。而预见视觉能力得到进一步增强，也会意味着机器智能对传感器依赖的减少。尤其是无人驾驶汽车，现在的无人车上贴满了雷达传感器，就是要依靠这些传感器来进行各种提醒。而预见视觉发展成熟后，一个全景摄像头就能替代这些昂贵的传感器。

总而言之，虽然现实环境是机器人训练不可或缺的一部分，但人类一直在尝试如何让机器人自主学习，这不仅是为了“机器道”主义，也为了尽可能降低成本及风险。随着人工智能的发展，未来的机器人也能够愉快的学习了。