在机器人技术的所有圣杯中，学习可能是最神圣的。然而，在“通用”一词被广泛使用的时代，非机器人专家可能很难理解当今的系统可以做什么和不能做什么。事实上，现在大多数机器人都是为了很好地完成一件（或者几件，如果你幸运的话）事情而设计的。

这是一个跨越整个行业的真理，从最低级的机器人真空吸尘器到最先进的工业系统。那么，我们如何从单一用途机器人过渡到通用机器人呢？当然，沿途将会在多用途土地上停靠很多站。

答案当然是机器人学习。如今走进几乎任何一个机器人研究实验室，你都会发现团队正在致力于解决这个问题。这同样适用于初创公司和企业。看看 Viam 和 Intrinsic 公司，它们正在努力降低机器人编程的门槛。

目前解决方案的范围相当广泛，但我越来越清楚，这是一个无法用单一灵丹妙药解决的问题。相反，构建更复杂、功能更强大的系统几乎肯定会涉及解决方案的组合。然而，其中大多数的核心是需要一个大型的共享数据集。

谷歌的 DeepMind 机器人团队本周宣布了与 33 个研究机构合作的工作，旨在创建一个名为Open X-Embodiment的大型共享数据库。该项目背后的研究人员将其比作 ImageNet，这是一个包含超过 1400 万张图像的数据库，其历史可以追溯到2009 年。

DeepMind 研究人员 Quan Vuong 和 Pannag Sanketi 指出：“正如 ImageNet 推动了计算机视觉研究一样，我们相信 Open X-Embodiment 也能推动机器人技术的发展。” “建立多样化机器人演示的数据集是训练多面手模型的关键步骤，该模型可以控制许多不同类型的机器人，遵循不同的指令，对复杂任务进行基本推理并有效地进行泛化。”

他们补充说，这样的任务太大了，无法委托给单个实验室。该数据库包含来自 22 种不同机器人类型的 500 多种技能和 150,000 项任务。顾名思义，它的创建者正在向研究界提供数据。