研究顯示：機器手學習「課程順序」比觸覺感測器更重要

當我們觀察機器手臂或義肢如何學習「抓握並旋轉球體」這類複雜動作時，關鍵挑戰始終在於如何正確控制手指對物體施力。過去科學界普遍認為，人類能靈活操控物品要歸功於佈滿敏感神經末梢的手部皮膚，這也促使機器人專家堅持在機械手中加裝觸覺感測器。

但南加州大學維特比工程學院ValeroLab的研究團隊提出質疑：既然戴著手套仍能學會操控物品，顯然還有其他關鍵因素。為此，他們透過計算模型與機器學習技術，重新探討這個「先天感測器 vs 後天訓練」的經典議題。

發表在《Science Advances》的研究論文指出，學習課程的編排順序（即「教學法」）才是影響操作能力的核心要素。團隊利用三指機械手的模擬軟體證實：只要採用特定訓練順序，即使觸覺回饋不完整或完全缺失，機械手仍能掌握操控技巧。

「這項研究顛覆了『觸覺感測不可或缺』的傳統認知，」共同第一作者、博士生Romina Mir強調：「更重要的是揭示了『獎勵機制序列』對訓練效果的決定性作用。」主導研究的Francisco Valero-Cuevas教授進一步解釋：「就像生物系統會隨經驗進化，這種機器學習與生物學的連結，將推動AI系統在實體世界的適應能力。」

該研究由南加大與加州大學聖克魯茲分校（UCSC）合作完成，除上述學者外，UCSC的Michael Wehner教授團隊與南加大的Ali Marjaninejad、Andrew Erwin也共同參與。研究成果延續實驗室先前關於手部演化與人工智慧的相關工作，為機器人學習領域開闢新方向。