作为本月开始在德克萨斯大学奥斯汀分校进行的一项新陆军研究项目的一部分，地面机器人将接受训练，以接收示范命令而非口头命令，以进行解释，跟踪，召回和在类似情况下应用。
 

自主机器人系统将首先通过远程操作学习战术行为的程序，一旦他们学习了在简单复杂的地形上安全穿越，穿越何处以及如何安全地移动，当面对特别崎,、陌生的领域时，它们便可以自己运用这些知识。

美国陆军作战能力发展司令部的陆军研究实验室和大学的研究人员将共同合作，使用实验室的自主软件堆栈开发自主系统的行为。该协议栈是由长达十年的机器人技术合作联盟开发的，它是一组软件算法，库和软件组件，它们执行智能系统所需的特定功能，例如导航，计划，感知，控制和推理。

陆军研究员克雷格·列侬博士说：“让自主系统在部署后学习新的行为，将是陆军如何训练，批准并将自主权整合到部队中的重要一步。”

列侬说，陆军正在开发一种自主系统，以向士兵进行交互式学习，一旦士兵了解了机器人将学习到的行为应用于新的困难任务的信心程度，士兵们就可以就如何使用其机器人系统做出明智的选择。
 

他说，这可能为在操作环境中学习和执行新行为的机器人系统打开机会，而无需再次回家进行检查。

国防创新委员会强调了在采用机器学习技术时系统测试和评估中的挑战。董事会在其《 2019年AI原则》报告中指出：``对于在整个生命周期内都能学习的系统而言，持续认证这些系统不会学习超出预期用途的行为仍然面临挑战。''

列侬说，在此期间，陆军的公司研究实验室正在探索潜在的解决方案，以发现方法，为在现实世界中学习自动场景(例如越过新障碍)的自主系统提供保证。

他说：“假设机器人已经学会了穿越危险区域的程序，但从未遇到过现在需要承担的重担。”“在演练期间，士兵在友好区域内找到一条河，通过遥控操作满载的机器人来演示河道，并重复演示，直到系统可以确保它已学会如何安全地执行行为并遵守穿越危险区域的战术程序。现在，士兵可以执行任务了，它可以越过河道。”

德克萨斯大学奥斯汀分校这项研究的首席研究员Ufuk Topcu博士说，早期的研究表明研究团队如何利用现有的背景知识来学习示范。
 

Topcu说：“由此产生的技术提高了数据效率和通用性，对于陆军数据匮乏的需要可验证性的应用特别有希望。”“我们期待在陆军的实验平台上扩展技术并展示其有效性。”

列侬说，当以前的行为不再起作用时，还可能需要进行示教来教机器人如何在受损时执行。

研究人员将在第一年在模拟系统上测试新软件。预计到2022年中，他们会将测试转移到Clearpath Warthog。

陆军与大学之间为期三年的合作协议有望产生一个可以从人类演示中进行交互学习的系统，同时不断更新对其执行新行为和满足系统保证规范的能力的定量估计。