机器人在“幼儿园”里学着长大！不靠喂数据，靠摔倒……

彩色跑道上，数台不同形态的机器人自由行走，一不留神还会撞到一起；搭载触觉皮肤的机器人，当你用力握它的手腕时，它会说上一句“哎呀，好疼呀”……位于北京首钢园的机器人“幼儿园”开园已满一个月。记者探访发现，机器人在开放环境中自主交互、试错反馈，像孩子一样边探索边学习。

入学有门槛：皮实、抗造、还得续航好

“机器人幼儿园”的空间设计，与普通幼儿园的风格颇为相似。

步入大门，超大号“Robot Kindergarten”（机器人幼儿园）立体字样嵌在蓝色软包结构上，亮黄色字体在波浪形主题墙前十分抢眼。整个空间以红、绿、蓝为主色调，明亮干净。

不同于普通幼儿园的是，这里没有孩童的欢笑声，取而代之的是正在认真探索的机器人。记者在现场看到，人形机器人和四足机器狗在自由走动；布满海洋球的池子里，穿着白衬衫的机器人正在感知环境；还有机器人脖子上系着围兜，走起路来一摇一摆，呆萌可爱。

整个空间用红、绿、蓝三种颜色，清晰划分出测试区、学习区、交互区三个功能区域，可类比于普通幼儿园的小班、中班、大班。

“小班也就是测试区，主要完成机器人软硬件适配，为自主学习做准备。中班即学习区，是让机器人学会本体感知。大班阶段主要提升交互功能，最终目标是形成社会化协作能力，使机器人之间能相互理解、相互学习技能，并协同完成任务。”他山科技研发副总裁侯广东介绍，三个区域呈递进关系，对应着机器人的能力进阶。

目前，“幼儿园”有15台样式不同的机器人。入园也有相应标准。“机器人需持续学习，要求具备较好的续航能力，皮实抗造。为减少跌倒或人机交互时的伤害，园内目前选用了几台体型相对较小的机器人，入园后团队还会对其进行改造，加装柔软外壳等。”侯广东说。

学习没有标准答案，摔倒、互撞也是反馈

开园一个月来，机器人“学生”学得怎么样？

测试区里，自由行走的机器人偶尔也会出现摔倒、互撞的场景，有的还被临时“抱”出了园区，令人忍俊不禁。游乐设施旁，一台坐在椅子上的机器人看起来安静，当你用力按它的胳膊时，它能“感知”到并发出“疼”的声音。

侯广东介绍，机器人走路会踉跄、停顿，甚至偶尔“卡住”，这些是机器人“学习中”的真实状态。

“这里没有标准答案，摔倒、互撞也可以被视为一种反馈，它能告诉机器人该避开什么。在安全限制下，通过一次次试错让模型不断迭代，目标是让机器人逐步学会稳稳行走。”工作人员通过对机器人设定目标函数，使其理解“对错”。比如将摔倒设置为负向信息，让机器人在自主学习过程中逐渐规避摔倒行为。当机器人做出趋近目标的行为时，系统会给予正向反馈作为奖励，“相当于发给它一朵小红花，激励它继续朝这个方向探索。”

试错过程中，触觉感知起到关键作用。当机器人有了“感觉神经”，可以识别力度、感知温度、察觉靠近。“机器人与真实环境交互，触觉至关重要，这是认识世界、感知世界的基础。触觉信息不能被视觉完全替代，比如抓一个杯子，仅凭视觉无法判断它的软硬度，抓起来时是否打滑，烫不烫手。人类在触觉受损或麻痹后，做简单日常操作的成功率也会下降。对从头开始学习的机器人来说，触觉在一定程度上比视觉更重要。”侯广东说，依托他山科技在触觉感知领域的技术积累，团队正为部分入园机器人穿上触觉皮肤，为它们提供感知世界的起点。

从“被人教”到“自己学”，这条路刚起步

“机器人幼儿园”自开园以来备受关注，到访者络绎不绝，人们更关注这条机器人成长新路径的探索。

当下，机器人练“本领”的主流范式是以人工示教、遥操作等方式采集数据，训练模型后部署到机器人上。“机器人幼儿园”则希望让机器人像孩子一样，在真实环境中通过感知、行动、反馈和持续迭代来学习。换言之，学习方式从依赖人类采集数据，转向基于自身经验、持续自主学习。

“机器人幼儿园”由他山科技与2024年图灵奖得主理查德·萨顿教授团队Openmind联合共建，是基于强化学习理论的机器人自主学习的一次探索。

“去年萨顿教授来访时，他山科技正探索机器人具身模型与实际落地应用。双方都认为自主持续学习将越来越关键，代表未来方向，于是决定共建幼儿园。”侯广东说，“长期来看，我们认为这是一条创新的路线。”

不过，新路径也有新挑战。机器人的学习效率、成本与持续运行能力等问题，成为团队必须面对的现实课题。

“让机器人硬件更结实耐用，软件更稳定流畅，是当前努力的方向。”团队现阶段目标是逐步提升机器人的自主学习时长。“我们与Openmind共建‘机器人幼儿园’课题，围绕机器人自主学习的关键技术问题，设置了为学习而设计的硬件、触觉感知与痛觉感知机制、基于持续学习模型的规划等7个方向。”

目前，“机器人幼儿园”的学生大多还在“小班”阶段，它们的学习之路还很漫长。“机器人幼儿园的建立，本身就是人工智能领域一次全新的尝试，我们认为，这对行业发展有较大探索意义。”侯广东说。