如何机器人手臂或假肢手学习像抓握和旋转球这样复杂的任务？研究人员探讨了经典的“天性与养成”问题。研究表明，学习的顺序，也称为“课程”，对学习的发生至关重要。事实上，研究人员指出，如果课程按照特定顺序进行，模拟的机器人手可以在触觉感知不完整甚至缺失的情况下学习操控。
如何机器人手臂或假肢手学习像抓握和旋转球这样复杂的任务？对于人类、假肢或机器人手来说，挑战一直是正确学习控制手指以对物体施加力量。覆盖我们手的敏感皮肤和神经末梢被认为帮助我们学习和适应操作，因此机器人专家坚持在机器人手上加入传感器。但考虑到您仍然可以戴着手套处理物体，必然还有其他因素影响。
这个谜团激励了维特比工程学院的ValeroLab的研究人员探讨触觉感知是否真的总是对学习控制手指是必要的。阿尔弗雷德·曼生物医学工程系的研究人员Romina Mir、Ali Marjaninejad、Andrew Erwin和Francisco Valero-Cuevas教授提出：手的传感器（其天性）如何与手的训练（养成）相互作用，以学习复杂的任务？
在《科学进展》期刊的一篇论文中，团队通过计算建模和机器学习解决了经典的“天性与养成”问题。论文《在重力下物体操控的强化学习中，课程比触觉信息更具影响力》基于该实验室之前与手的进化和人工智能相关的研究。它表明，学习的顺序，也称为“课程”，对学习的发生至关重要。事实上，研究人员指出，如果课程按照特定顺序进行，模拟的机器人手可以在触觉感知不完整甚至缺失的情况下学习操控。
在这项研究中，团队采用软件模拟了一个三指机器人手，以“提供一个反例，反驳长久以来触觉感知总是必要的观点，”Valero-Cuevas说，并且“强调了奖赏顺序对训练的重要性，”首席作者之一、ValeroLab的博士生Romina Mir评论道。
负责作者Francisco Valero-Cuevas说：“奖励指导系统的发展，”他也是南加州大学生物运动学和物理治疗系的教授。
他补充说，“就像生物系统是其经验的产物。这种机器学习与生物之间的联系是一个强大的连接，可以推动人工智能系统在物理世界中学习和适应的进步。”
在维特比工程学院与加州大学圣克鲁兹分校（UCSC）之间的合作中，博士生Parmita Ojaghi（UCSC）和Romina Mir（USC）与Michael Wehner教授（UCSC）共同领导了这项工作。Ali Marjaninejad和Andrew Erwin（USC）也对此项工作作出了贡献。
