MIT機器人專家辯論未來之路 資料驅動vs工程實踐

記者黃仁杰／編譯

麻省理工學院(MIT)、多所國際知名機構的機器人專家近日於Science Robotics發表論文，展開一場激烈討論：機器人的未來究竟該依賴大量資料驅動學習，還是回歸傳統工程設計？這場辯論可能改寫機器人從實驗室走進生活的方式。

資料驅動致能現實場域 適應人類不確定生活情境

MIT電腦科學與人工智慧實驗室(CSAIL)的Rus與Tedrake指出，「物理模型適用於受控環境，但一旦進入現實場域就崩潰」。他們主張，機器人須透過大量實際動作資料學習，才能在變動的日常情境中穩定操作。Rus團隊在廚房模擬場景中，讓志願者進行切菜、倒水等日常行為，並追蹤手部動作、眼神與施力等細節，讓機器人學會動作通用化與失誤修復能力。

工程設計不能忽略 確保效率與安全

來自瑞士洛桑聯邦理工學院、首爾大學、佐治亞理工學院等專家提醒，純資料擴大不能替代結構性設計。他們指出，物理學的動力法則、生物體的層級控制等誘導偏差，能引導資料收集與模型理解，更符合安全與穩定需求。Garg也強調，資料能揭示模式與行為，但模型才能讓機器人理解通則並加以應用，缺一不可。

MIT與國際專家共識 資料＋模型＝機器人化落地關鍵

MIT等研究團隊認為，機器人要跳脫實驗室限制，真正應用於家庭、醫療或公共場域，就必須融合資料驅動學習與工程設計架構。前者讓機器人習得變動情境中的處理能力，後者提供安全性的保障與行為常識，兩者併用才能實現真正通用、可靠的智慧機器人。

資料來源：The Robot Report