这已经成为人们进入他们的第一套公寓的真实途径：从一组神秘的中组装一件宜家家具，而不会让您或有问题的物品掉落。

　　南加州大学的研究人员认为，还有更好的方法是用拷问教来操纵周围的世界。继去年研究人员的脚步之后，研究人员用机器人手臂组装了那些经典的Stefan椅子(机器人学家喜欢宜家)，他们正在向机器人技术界赠送一个新的模拟器，以训练机器人将廉价的瑞典家具组装在一起。最终，他们希望机器将开始对新颖的物体采用我们自己的灵巧性和适应性。女士们，先生们和机器人们，抓住您的内六角扳手。

　　对于您和我来说，从宜家(Ikea)组装东西既简单又令人讨厌：您为这一过程感到遗憾，但是您的大脑可以(大部分)将抽象的指令转换为真实的东西。您遇到了各种各样的问题，但是您的创造力可以轻松克服。内六角扳手使您的手抽筋，但您的操作力无与伦比。

　　对于机器人来说，这完全是恐怖。当然，机器人已经在流水线上工作了数十年，但它们只是肌肉。例如，它们将车门之类的大件抬起就位，而人类则负责精细的操作，例如拧入微小的零件。机器人的环境是高度组织化，这样的机器从来没有凑合，即使它们是足够聪明的话，他们的不可预测性将会把他们的人类同事的风险。

　　但是，如果我们希望机器人能在我们的房屋中得到任何使用，那么它们必须更加灵活。为了使它们到达那里，也许他们需要练习建造宜家家具-这是一个多方面的问题，可以教给机器很多课程。

　　这些研究人员通过模拟现实世界的物理原理(如重力和摩擦力)来构建3D数字游乐场。它们还可以使用诸如光照和纹理之类的变量。在这种环境下，他们将模拟不同的机器人，例如单臂索耶(Sawyer)和两臂百特(Baxter)，并让他们玩80多种不同的椅子，桌子，书柜等。所有这些都是由游戏引擎Unity渲染的，因此我们人类可以看到机器人的进度。

　　当Sawyer和Baxter存在于现实世界中并且可以在任何数量的机器人实验室中学习时，为什么还要经历所有这些麻烦呢?因为让物理的，塑料的机器人学习是一种正义的痛苦。通常，这是通过强化学习来完成的，在强化学习中，机器会尝试不同的策略，并会获得对良好抓地力的奖励，对较差抓地力的惩罚。经过无数次迭代之后，机器人终于迷失了解决方案。在模拟中，您可以旋转数千次迭代，其速度比物理定律所允许的快得多。当然，这样的模拟是不完美的表示，但是它们的效率要高得多。

　　这个宜家新奇境的想法是为机器人研究人员提供一个标准化的平台，用于教授机器人如何操纵零件和组装复杂的物体。USC机器人专家约瑟夫·林(Joseph Lim)说：“虽然看上去对人类来说微不足道，但不仅仅是我们抓住了一部分，我们还必须确切地知道要在哪里抓住它以及用多少力。”对于机器人技术而言，这是一个很大的开放性问题。”

　　然后是将一堆操作串在一起以构造椅子的问题。各个部分必须以某种方式组合在一起，并且步骤必须以某种顺序组合在一起。为此，研究人员可能会采用“模仿学习”方法，或者通过首先操纵杆来演示机器的操作方法。Lim说：“我们的目标之一是学习如何学习人类的行为。我们观看人类如何组装家具(例如录像带)，然后学习如何从根本上复制或模仿家具。”

　　不过，不要指望机器人助手会随您的下一张Hattefj?ll办公椅一起提供。一方面，该系统尚无法模拟机器人如何将零件钉或拧在一起。南洋理工大学的工程师Quang-Cuong Pham说，还有两个，仍然存在从模拟到真实的问题，他通过构建宜家椅子的物理机器人进行了上述实验。就是说，要将机器人在模拟中学到的东西转化为现实技能是极其困难的。Pham说：“因此，尚不清楚物理机器人能否成功地在仿真环境中成功完成任务，例如在我们之前的实验中。”

　　但是，也许经过几年的培训和不止几把椅子折断，我们的刨花板苦难将是机器的收获。