3小时前 机器人幼儿园是什么？萨顿的“经验时代”终于落地了

出品：机器人产业应用

前言

2026年6月底，北京首钢园。当图灵奖得主、“强化学习之父”理查德·萨顿按下启动光柱的那一刻，全球首个“机器人幼儿园”正式揭牌落地，

这不是一个比喻意义上的“幼儿园”，这是一个由萨顿和他山科技共建的具身智能强化学习实体试验场。拥有4000平方米的真实物理空间，没有示教器，没有预设脚本，只有供机器人自由穿梭、主动触碰、自主试错的安全环境。

萨顿在现场援引了艾伦·图灵1950年的经典洞见：“与其开发一个类似人类一样思考的程序来模拟成年人的思维，不如尝试开发一个模拟儿童思维的程序，让他不断地成长，学会思考。”

这句话，几乎概括了萨顿过去四十年学术生涯的核心信念，也精准定义了这座“机器人幼儿园”的全部意义。

01

从“人类数据时代”到“经验时代”

要理解机器人幼儿园为什么重要，先得理解萨顿一直在反对什么。2019年，萨顿发表了那篇后来被AI领域奉为经典的《The Bitter Lesson》。他尖锐地指出，AI研究在过去70年的一大教训，是过于重视人类既有经验和知识，而忽视了让系统自身通过试错和计算去探索。

2025年4月，萨顿与DeepMind强化学习副总裁David Silver联合发表了论文《Welcome to the Era of Experience》。文章将AI发展划分为三个阶段：模拟时代、人类数据时代，以及正在兴起的经验时代。

在萨顿看来，当前绝大多数AI系统仍停留在“人类数据时代”——依赖人类已有的知识和标签进行训练，缺乏持续学习与创造新知识的能力。但人类数据红利正逼近极限。“我们逐渐达到人类数据的极限，现有的方法不能生成新的知识，不适合持续学习。”萨顿说。

那怎么办？答案是：让智能体以第一人称视角与世界直接交互，生成一种被称为“经验”的新数据源。这正是人类和其他动物的学习方式——通过与认知水平相匹配的自我体验获取发展所需的数据。

机器人幼儿园，就是这套理论在具身智能领域的第一个实体落地项目。

02

模仿学习vs强化学习：复刻动作vs理解因果

当前具身智能行业的主流训练路径是什么？模仿学习。简单说，就是让人类演示一遍动作，机器人照着学。这像什么呢？他山科技CEO马扬曾这样说：“就像在套用题库。”

模仿学习有三个致命缺陷：

第一，能力上限被锁死。以人类行为数据训练机器人，其能力上限受限于人类自身水平。机器人永远无法超越它的老师。

第二，很难学到因果。人类示范的“拿杯子”动作，不包含“为什么此时拿”“若杯子是烫的怎么办”“如果用户正打电话是否应等待”等因果链。机器人学会的是动作映射，而非情境推理。

第三，无法动态适应。模型训练完成即定型，环境一变就失灵。萨顿的判断更直接：传统从人类示例中训练出的机器人行为 “不够强大” 。

强化学习走的则是另一条路。AlphaGo的进化是最好的例子——早期通过学习棋谱（模仿学习），后来只输入围棋规则，通过自我对弈不断试错，最终下出了人类从未见过的“第37手”，战胜了人类冠军。模仿学习只能复刻动作，强化学习才能形成真正的物理因果认知。

萨顿对此有一段极为精彩的表述：“没有体验，谁能说什么是正确的做法？但如果你有经验，你会对将来发生的事有一些信念。”经验不是数据堆砌，而是通过反馈校正预期偏差的过程。机器人幼儿园的核心逻辑正是如此：不预设具体技能，只提供基础规则，让机器人通过大量试错自主演化。

03

为什么是触觉？视觉不够用

机器人幼儿园另一个关键创新，是以触觉感知为核心突破口。

萨顿的强化学习框架需要系统在行动中获得即时反馈。触觉传感器能够实时反馈接触点的三维力分布、物体的局部形变以及滑移趋势。有了这些信息，机器人才能迅速调整力量、角度，决定收紧还是放松。

更重要的是，触觉是机器人与物理世界发生真实接触的重要通道。碰撞前的预警、抓握时的力度反馈——这些高频信号是奖励函数得以运作的现实基础。

纯视觉无法单独支撑真机强化学习，因为视觉数据是“第三人称”的——机器人看到的是别人做了什么，而不是自己“摸”到了什么。只有触觉才能提供第一人称的物理经验。

04

安全试错：四大核心条件

强化学习在理论上很美好，为什么过去几十年很少在真机上大规模应用？答案很简单：试错成本太高了。在学会抓取前，机器人的减速器可能已经报废。随机的探索动作随时可能导致机器人伤人或自残。极低的采样效率让一个简单任务需要耗费数周实验时间。

这就像让一个婴儿在满是尖角的房间里学走路——还没学会，已经遍体鳞伤。机器人幼儿园要解决的核心问题，就是让“试错”变得安全、可持续。

要让“试错”成为可行路径，项目需要在物理安全、真实环境交互和实时反馈等方面满足一定的技术条件。

在机器人幼儿园中，他山科技提供了触觉预警与微秒级动态感知方案，用于在碰撞发生前提前响应；机器人被置于真实的物理空间内反复尝试、失败和修正，而不局限于仿真模拟器；同时，触觉传感器以高频方式提供接触力的实时反馈，为强化学习的奖励函数构建第一人称的物理交互依据。

萨顿在现场谈到，过去这条路径之所以未能广泛实践，主要受限于硬件本身的脆弱性——传感器灵敏度有限、抗冲击能力不足。近年来，随着相关硬件技术的成熟和成本下降，机器人通过实时试错实现持续学习的设想才具备了落地的技术基础。

05

五年长跑：挑战与野望

机器人幼儿园的规划是五年合作周期，目标是找到最适合具身智能的学习方法论。五年，在AI行业以“月”为单位的迭代节奏里，显得格外漫长。萨顿本人也坦言，这种“婴儿般的成长”需要极大的时间与坚持。这与当前行业急功近利的节奏形成了鲜明对比。

但萨顿的立场极为坚定。他在现场说了一句看似矛盾却充满力量的话： “具身智能不需要老师，也不需要训练，需要的是自己主动地在环境中进行探索、学习。”

“不需要训练”——因为真正的学习发生在探索之中，而非课堂之上。

机器人幼儿园的揭牌，不仅仅是一个项目的启动。它标志着具身智能行业正在经历一次根本性的路线分流。

一条路是“数据驱动的模仿路线”——依赖海量人类标注数据，让机器人复刻人类动作。这是当前的主流。

另一条路是“经验驱动的强化学习路线”——让机器人在真实物理环境中自主试错、积累第一人称经验、形成物理因果认知。这是萨顿押注的未来。

两条路线并非完全对立，目前的训练路径是“冷启动”：先用模仿学习加仿真训练提供大量数据，建立初步能力，再进入真实环境通过强化学习持续进化。

但底层逻辑已经不同了。

模仿学习的终点是“像人一样做”——能力上限是人类。强化学习的终点是“理解物理世界为什么是这样”——可能超越人类。

萨顿在启幕大会上说的最后一句话，或许是对整件事最好的总结：“让他不断地成长，学会思考。”

这所没有围墙的幼儿园，正在孵化一种全新的智能形态——不是被教出来的，是自己长出来的。