标签：机器人学

共 4 篇相关访谈。

机器人学泰斗罗德尼·布鲁克斯在访谈中挑战了以计算为核心的AI范式，指出当前智能研究过度依赖隐喻而忽视了感知的复杂性。他通过个人经历和机器人案例，强调真实世界的交互理解远比符号计算困难，并对自动驾驶等领域的过度乐观提出系统性质疑。

MIT教授Russ Tedrake分享了他在机器人控制领域的深刻见解，包括DARPA机器人挑战赛的难忘经历、严谨思考在深度学习时代的重要性，以及机器人接触力学的未来挑战。他强调了清晰思考和数学严谨性在复杂系统中的价值，并探讨了机器人与人类社会融合的深远影响。

伯克利教授Anca Dragan分享她如何从数学竞赛走向机器人学，以及在自动驾驶、机器人表达性和理解人类意图等领域面临的挑战。她提出人类行为可能并非“非理性”，而是基于不同的世界模型，并探讨了机器人如何通过主动行为收集信息、理解用户偏好，以及在奖励函数设计中与人类协作。

MIT教授Leslie Kaelbling在访谈中探讨了机器人智能的核心挑战。她认为机器人无需具备人类般的意识，但必须构建有效的抽象能力来处理复杂任务。从早期Shaky机器人到现代层级规划系统，她强调混合学习与模型的重要性，并指出当前AI研究需要更长的研究视野和对目标函数设计的重视。