隨著自動化技術的進步，機器人已經在許多領域取得顯著進展。然而，在動態且無結構的環境中，例如船艙甲板和家庭廚房，機器人在執行如緊固螺栓或處理電線等精確任務時仍然面臨挑戰。這些限制使得關鍵的維護和日常任務難以可靠地實現自動化。現在，由南加州大學的 Erdem Bıyık 領導的一項新研究旨在解決這一挑戰，通過提升機器人的靈活性，讓機器能夠直接從人類反饋中學習。
Bıyık 是南加州大學維特比工程學院計算機科學與先進計算學院的助理教授，獲得了 2026 年海軍研究辦公室年輕研究者計劃（YIP）獎。這個名為「從多模態人類反饋中學習靈巧機器人手部行為」的項目，獲得了三年共 $750,000 / 約 HK$ 5,850,000 的資金支持。該計劃旨在促進靈巧機器人操作的發展。
YIP 計劃競爭激烈，支持早期職業研究者應對與海軍和海軍陸戰隊相關的挑戰，今年全國範圍內共選出 23 位獲獎者。Bıyık 擁有計算機科學、機器人技術及電氣工程的背景，負責南加州大學的學習與智能機器人助手實驗室（Lira）。他的研究專注於讓機器人使用多指手進行精確的人類類似任務。
目前大多數機器人依賴簡單的夾具，使其無法處理複雜的操作任務。Bıyık 的研究旨在解鎖更高級的能力，包括工具使用、精細組裝及在不可預測環境中的自適應處理。機器人操作中的一個核心挑戰是高精確任務的敏感性。即使是一根錯位的手指也可能導致失敗，並可能造成嚴重後果。
Bıyık 的研究旨在克服這一限制，開發更先進的多指機器人手，能夠執行複雜的動作，包括操作手工具如錘子，並執行緊固旋鈕和螺栓等任務，這些都需要高度的控制和協調。此類改進將使機器人能夠有效運行於不斷變化的環境中，例如船艙甲板或繁忙的廚房。通過提高靈活性，該項目旨在將機器人推向實際應用場景，而不僅僅是受控的實驗室條件。
該項目的另一個關鍵方面是引入一個新的框架，用於使用多模態人類反饋訓練機器人。由於為小的物理錯誤提供精確的糾正輸入傳統上很困難，Bıyık 強調了一種更直觀的方法。他表示：「我的目標是讓機器人的學習更符合人類教學的方式。透過整合多種形式的反饋，我們可以讓機器人更快且更可靠地獲得複雜技能。」
這種方法結合了視覺演示，讓機器人通過觀察人類行動來學習，並加入自然語言指導，如實時的口頭糾正。這種組合預期將創造出更高效且可及的方式，使人類能夠訓練機器人系統。雖然該項目得到海軍研究計劃的支持，但其潛在應用遠不止於防禦領域。這些技術還可應用於家庭、倉庫及服務行業，這些地方對精確性和適應性有著重要要求。
Lira 實驗室還計劃釋出開源工具和數據集，這將加速整個研究社群在機器人學習方面的進展。
