Op dit moment, hoe capabel een robotmechanisme ook is, werkt het in de meeste gevallen volgens vooraf geschreven algoritmen (of wordt het volledig gecontroleerd door een persoon) en kan het de gevolgen van zijn acties niet voorzien. Maar wetenschappers van de University of California in Berkeley hebben een nieuwe technologie ontwikkeld voor het leren van machines waarmee ze kunnen voorspellen waar deze of gene actie naartoe zal leiden, zelfs wanneer ze interactie hebben met objecten die de robot nog niet eerder is tegengekomen.
De EurekAlert-editie schrijft over de nieuwe ontwikkeling. Volgens hun rapporten is de technologie als volgt ingedeeld: in de eerste fase, zonder de deelname van een operator, met behulp van afbeeldingen die zijn ontvangen van camera's, verplaatst de robot zelfstandig objecten, op basis waarvan een voorspellend gedragsmodel wordt gebouwd. Na verschillende pogingen wordt het "onthouden" en later gebruikt bij het ontmoeten van nieuwe of vergelijkbare objecten. De camera's van de robot berekenen de mogelijke volgorde van acties, maar tot nu toe slechts een paar seconden vooruit. Hoewel dit al voldoende is voor de robot om in nieuwe omstandigheden beslissingen te nemen zonder menselijke tussenkomst. Volgens een van de onderzoekers, Frederic Ebert, “Gedurende hun leven leren mensen met vallen en opstaan om te gaan met de wereld om hen heen met weinig of geen hulp, waarbij ze de nodige ervaring opdoen en vaardigheden verwerven. We zijn erin geslaagd een robotsysteem te bouwen dat een grote hoeveelheid autonoom verzamelde gegevens zal gebruiken om nuttige vaardigheden te verwerven, en de kennis die tijdens de training is opgedaan, kan in de toekomst door de machine worden gebruikt bij bijvoorbeeld bewegende objecten."
Vladimir Kuznetsov