華盛頓大學的計算機科學家的實驗表明，機器人可以通過眾包學習更有效的方法來完成任務。通過使用機器學習技術來分析大量日期，機器人可以根據數百甚至數千個建議的信息創建自己的解決方案。
以前的實驗表明，模仿人是一種教授機器人新任務的有效方法，但這並非沒有陷阱。有時，機器人無法以人類相同的方式完成任務，或者無法準確分析完成目標所需的關鍵組件。為了消除這些問題，研究人員決定為機器人提供多個示例以進行分析。
“由於我們的機器人使用機器學習技術，他們需要大量數據來構建任務的準確模型。他們擁有的數據越多，他們可以構建的模型越好，”計算機科學助理教授Maya Cakmak在陳述。 “我們的解決方案是從眾包中獲取數據。”
計算機科學家向機器人介紹了一項任務。在這種情況下，將圖片從彩色塊中組裝出來。科學家會提供一個主題，例如烏龜，然後提出一種可能使用塊描繪烏龜的可能解決方案。然後，研究人員使用亞馬遜的機械土耳其人（AMT）服務來生成更多解決方案。 AMT用戶完成了微任務，以換取小額付款，通常在1美分至20美分之間。 AMT相對眾所周知，因此提供了數千個結果，但是質量控制卻很差，因為一些用戶故意提供了不良的解決方案來試圖脫軌研究。
除了最初提出的烏龜表示外，機器人還分析了AMT用戶提供的數千種解決方案，從而根據其他用戶的評分為他們提供了更高的優先級，並分析了設計中最重要的因素。然後，它創建了自己的烏龜模型。通常，機器人的解決方案比用戶建議更簡單，以使其更容易完成任務，但它仍然包含設計的所有主要元素。
卡克馬克在聲明中說：“最終結果仍然是一隻烏龜，但這對於機器人來說是可以管理的，並且與原始模型相似，因此它實現了相同的目標。”
華盛頓大學的研究人員認為，這一概念具有希望，但質量控制問題是“不平凡的”。在實驗過程中，一些垃圾郵件發送者使用多個帳戶反复提供相同的解決方案，而另一些垃圾郵件發送者未能完全遵循說明。為了使該方法在商業上可行，必須為這種行為提供更好的保障措施。
他們的研究工作將在人類計算和眾包會議11月。
