新たな研究で、コンピューター科学者たちは、ロボットがブロックを人間が車、カメ、家などと認識できるデザインに配置するアルゴリズムを作成した。しかし、そのデザインはプログラムに組み込まれていなかった。代わりに、ロボットは対面（ロボット内部？）でのデモンストレーションに加え、Mechanical Turkと呼ばれるクラウドソーシングウェブサイトで質問することで学習した。
研究者たちは、対面とオンラインのクラウドソーシング学習を組み合わせることで、ロボットは対面でのデモのみよりも効果的にタスクを学習できることを発見しました。さらに、クラウドソーシングによるロボット指導は、ロボットのデモを行うために同数の人材を雇うよりも費用対効果が高いことがわかりました。研究者たちは、遠い将来、クラウドソーシングによってロボットが食事のテーブルセッティングや食器洗い機への食器の積み込みといった有用なタスクを学習できるようになると考えています。（そう願うのは当然ですよね？）
ワシントン大学の科学者チームは、自作のガンビットロボットにKinectの深度センサーを搭載し、テーブル上のブロックの色と位置を感知できるようにしました。ガンビットはハサミ型のアームを備えており、物体を掴むことができます。チェスの駒を盤上で動かすことさえ可能です。プログラマーたちは、このアルゴリズムをウィローガレージのPR2ロボットにも適用しました。このロボットについては、ポピュラーサイエンス誌でも詳しく取り上げられています。
ロボットたちはまず、研究室で14人のボランティアからブロックの花、魚、ヘビなど、様々なものを作る実演を受けました。しかし、これらのデザインはロボットにとって再現するには難しすぎる場合が多かったため、Mechanical Turkにも質問を投稿しました。「これらのブロックで車（あるいは人、あるいは雛鳥）をどうやって作りますか？」ロボットたちは何百もの回答からデータを収集するにつれ、人間が「車」と認識しながらも、自分たちでも組み立てられるようなものを作る方法を学習し始めました。ロボットたちはまた、ブロックのパターンを、たとえピースが欠けていても、これまで学習した8つの要素の一つとして認識できるようになりました。
これらはすべて非常にクールで、非常に印象的です。研究者たちがこの研究についてオンラインで公開した論文で、さらに詳しく知ることができます。おまけに、論文にはMechanical Turkユーザーの反応の写真が掲載されています。Mechanical Turkユーザーの中には、数十個のブロックを本物のカメや人間に変えるのが驚くほど上手な人もいるようです。一方で、その作業が驚くほど下手な人もいます。幸いなことに、ワシントン大学のアルゴリズムには、質の低いデザインを除外する方法がありました。Mechanical Turkユーザーに互いのデザインを評価するよう依頼することで、どのカメが良いデザインで、どのカメが悪いデザインかを判別できたのです。
研究者らは今月初め、電気電子学会主催のロボット工学会議で研究結果を発表した。
