在一项新的研究中，计算机科学家为机器人编写了算法，让它们将积木排列成人类能够识别的汽车、乌龟、房子等图案。但这些图案并非预先编程的。相反，机器人通过现场（机器人现场？）演示学习……并且还在一个名为 Mechanical Turk 的众包网站上提问。
研究人员发现，现场演示和在线众包学习相结合，比单独的现场演示更能帮助机器人学习任务。此外，众包机器人辅导比雇佣同等数量的人来为机器人演示更便宜。研究人员认为，在遥远的未来，众包可以帮助机器人学习有用的任务，例如为用餐摆桌子，或者装洗碗机。（我的意思是，我希望如此，对吧？）
来自华盛顿大学的研究人员为他们的 Gambit 机器人配备了 Kinect 深度传感器，以帮助它感知桌子上积木的颜色和位置。Gambit 是带有钳形手的机械臂，因此它们能够抓取物体。它们甚至能够移动棋盘上的国际象棋棋子。程序员还将他们的算法应用于 Willow Garage PR2 机器人，这个机器人《大众科学》杂志曾对其进行过广泛报道。
机器人最初在实验室里接受了 14 位志愿者关于积木花朵、鱼、蛇等物品的演示。这些图案通常对机器人来说过于复杂，难以复制。因此，它们还在 Mechanical Turk 上发布了问题：如何用这些积木制作汽车（或人，或雏鸟）？随着机器人收集到数百个回复的数据，它们开始学习如何制作人类能够识别为“汽车”但又适合它们搭建的东西。机器人还学会了将积木图案识别为它们学习过的八种事物之一，即使某些积木缺失。
这一切都相当酷，而且令人印象深刻。你可以从研究人员在线发布的关于他们工作的论文中了解更多信息。一个额外的亮点是：论文中包含了 Mechanical Turk 用户回复的图片。看起来，一些 Mechanical Turk 用户在用几十块积木搭建逼真的乌龟和人方面出奇地聪明。而另一些人在这项任务上则出奇地糟糕。幸运的是，华盛顿大学的算法能够剔除糟糕的设计。它要求 Mechanical Turk 用户互相评价对方的设计，因此它知道哪些设计是好的乌龟，哪些是糟糕的。
研究人员在本月早些时候举行的由电气和电子工程师协会（IEEE）主办的机器人技术会议上展示了他们的研究成果。
