Dat blijkt uit onderzoek van Stefanie Tellex, een professor aan de prestigieuze Amerikaanse Brown Universiteit.
Zij liet robots met sensoren, infraroodcamera’s en grijpverlengstukken zelf uitvogelen hoe ze een bepaald object op moesten pakken. Dat kan lang duren, maar als de robot er eenmaal achter is kan hij die informatie delen met andere robots die met dezelfde instrumenten zijn uitgerust.
“We hebben nu hele krachtige algoritmes die lessen kunnen trekken uit grote datasets”, legt Tellex uit aan Technology Review. “Maar deze algoritmes vereisen wel praktische kennis. Robots die door vallen en opstaan leren iets te doen, zijn een prachtige bron van het soort praktische kennis dat we nodig hebben.”
Als alle 300 testrobots van het soort dat Tellex gebruikte beide armen gebruiken om te leren hoe objecten op te pakken, dan zouden ze in slechts elf dagen kunnen leren hoe ze een miljoen verschillende objecten kunnen oppakken.
De bedoeling is dat de robots uiteindelijk hetzelfde lerende vermogen als kinderen aan de dag leggen. Kinderen leren veel sneller van vorige ervaringen als ze leren om een nieuw object op te pakken.