Science Robotics｜人形机器人躺进婴儿床蹬腿玩床铃，重做发展心理学半个世纪的经典实验

科学家把一个「小孩」放进了婴儿床里。

床上方吊着一个会晃的床铃，一根弹性绳把床铃和它的一只手腕连在一起——它动一动胳膊，床铃就跟着晃。

躺在床里的不是婴儿，而是

身高与儿童相仿的iCub人形机器人。

这项研究来自汉堡大学、捷克技术大学布拉格分校和巴黎西岱大学/CNRS的联合团队，

昨日发表在国际顶级期刊《Science Robotics》上。

他们想搞清楚一件发展心理学里的老问题：婴儿是怎么发现「我动一下，世界就变一下」的？而这次给出答案的方式，是让机器人自己躺进婴儿床里，真的玩一遍。

01.

把发展心理学的经典实验，搬给机器人做一遍

被搬过来的实验叫

mobile paradigm（床铃范式）

，1969年由Rovee和Rovee提出，是研究婴儿感觉运动关联（sensorimotor contingency，SMC）最经典的方法之一。

做法很简单：婴儿躺在小床里，只有一条肢体用绳子连到头顶的床铃上。到3~4个月大时，婴儿会发现是自己在让床铃动，然后

更多地去动那条「连着的」肢体

。如果这时把绳子解开，有些婴儿会出现「消退爆发」（extinction burst）——动作先猛增一下，再慢慢回落到基线。

但这个现象并不总能观测到，婴儿之间差异很大。到底是什么机制在起作用，一直不清楚。

之前也有不少计算模型试图解释这个范式，包括强化学习类、动力系统类和具身模型。

但它们都只在仿真里跑过

，没有真实世界的噪声、延迟和物理约束，也没怎么纳入预测误差、好奇心这些被认为支撑人类行为的认知机制。

这次研究团队把自己此前的仿真模型搬上了真机。iCub用的是肩部3个自由度、肘部1个、腕部1个，共5个关节；视觉只用右眼相机，分辨率320×240、15帧，经过池化后变成70个视觉单元，模型的输入就是

「画面里有多少比例的格子发生了变化」这一个量。

实验一共七种条件，三种在真机上、四种在仿真里做。

真机部分：

complex条件用的是接近原始实验的多部件床铃，被拉动后运动相当混乱；simple条件换成一根通过滑轮悬挂的泡沫管，运动方式确定得多；control条件干脆不挂床铃。仿真部分则包括simulated complex、把视觉输入与手腕位移做成1:1对应的simulated simple，以及两个「回放」条件——床铃的运动是从之前录好的数据里回放的，画面刺激一模一样，但和机器人的动作完全没关系。

每种条件都重复多次：真机complex和simple各20次，control 10次，四种仿真条件各60次。

模型这边，机器人的「大脑」是一个实时训练的神经网络，输入19个值（上一次动作的18个关节值+过去的画面变化），中间两层3000和1100个神经元，输出990+18+1个值——990个运动指令、18个关节值预测、1个画面变化预测。

990个运动指令怎么变成18个关节角度？靠的是群体编码（population coding）：每个神经元同时影响同一肢体内的3个关节，还要加上±0.05的随机噪声来模拟婴儿的运动变异性。也就是说，机器人事先完全不知道自己的关节和肢体运动、环境效果之间是什么关系，必须自己学。

学习靠两个监督信号：预测损失（把自己的动作和环境的反应都预测对）和好奇损失（去探索那些结果不可预测、因此「有意思」的动作）。模型会把让自己惊讶的动作记在一张兴趣表里，惊讶就把兴趣值直接拉到1，不惊讶才每次减0.1。

02.

机器人确实学会了，但不是靠「动得更多」

怎么判断机器人到底有没有「发现」这个关联？

团队的思路是：训练一个多层感知机（MLP）当外部观察者。给它看两只手臂连续10个位置构成的序列，让它判断当时是左手还是右手连着床铃。用留一交叉验证，如果它能稳定分对，就说明机器人的探索行为里确实存在系统性差异。

结果如下（随机水平50%）👇

真机complex条件65%，显著高于随机；simple条件53%、control条件48%，都没超过随机。仿真里simulated complex 67%、simulated simple 58%，都显著；而两个回放条件掉到45%和48%。

七种条件里，四种有关联的条件有三种超过随机水平，无关联条件全部没有。

有意思的是出现了一个反直觉的规律：越简单、越确定的条件，反而越难分类。团队的解释是，complex条件恰好落在一个「难度甜区」——足够有挑战性，能激发主动探索，但又不至于永远学不会。真机simple条件里那根泡沫管占据了视野很大一块，画面变化过于剧烈反而难以预测；而仿真simple条件又太简单，探索不足、动作变少，留给MLP的线索也就少了。

那么，机器人到底是「怎么」表现出差异的？按婴儿文献的经典假设，应该是连着的那只手动得更多。

团队测了手腕走过的路径长度。

结果是：没有明显差别。不管哪种条件，连接手臂和非连接手臂的总路径长度都差不多。唯一一致的现象是，在有关联的条件里，真机约200步、仿真约450步之后，动作量会出现一次突然的转变。

换句话说，MLP抓到的东西，不是「动得多」。

03.

两种策略背后，是预测与好奇的拉锯

于是团队改用决策树，把轨迹先转换成一系列运动指标——运动发生在空间的哪个区域、变异性、两臂之间的相关性等等，再让分类器去找边界。

在complex条件下，四种主导策略覆盖了87%的样本。

比如其中一种：只要左臂在靠近躯干的一小片区域里活动（横向不超过约9厘米），就能判定是右臂连着——因为在那个位置，绳子是松的，左臂再怎么动床铃也不会动。另一种覆盖了75%左手连接样本的策略则相反：连着的手臂待在远离躯干、绳子绷紧的区域，

还有两种策略是大幅度的探索性运动，动的不一定只有连接的那只手。

四种策略可以归成两大类：要么大范围、大幅度地探索，要么在绳子有张力的特定区域做小而精准的动作。

更关键的是第二棵决策树——团队用模型的内部变量（预测损失的两个分量、好奇损失、画面变化、目标关节值）又训练了一次分类器，找出8组内部状态，再算它们与外部行为策略的条件概率对应。

前两种「精准小动作」策略，出现在损失都很低的优化状态：模型已经学会控制身体、也能准确预测环境反应，不再感到惊讶，于是转向「维持现状」，用最小的动作把关联握在手里。

后两种「大范围探索」策略，出现在运动前向模型还没学好的时候：动作预测损失偏高，行为主要由好奇心驱动，于是就是大幅、多变、不局限于连接肢体的乱动。

这正好是强化学习里那一对：探索与利用（exploration vs. exploitation）。

而它和婴儿数据也对得上。Watanabe和Taga 2006年的研究发现，2个月大、运动控制还不成熟的婴儿会增加所有肢体的运动；4个月大、运动能力更好的婴儿则专门增加连着床铃那条肢体的运动。

此外，机器人在部分试次里也出现了类似婴儿那种时有时无的消退爆发。

团队还做了消融和降自由度实验，结论有点反直觉：对模型来说最难的其实是运动控制本身，而复杂的关联反而可能帮助学习——因为相比只有「开/关」两种状态的二元关联，它提供了更多可操作的可能性、更精细的比例式反馈，以及更丰富的刺激来持续引发好奇。

所以这项研究给婴儿研究者留下的建议是：别只用「动了多少」这一个指标去判断婴儿有没有学会。婴儿相关文献里那些「不符合典型模式」而被排除掉的试次，说不定正是另一种有效策略。研究者还可以反过来用MLP和决策树这套框架，去更定量地刻画婴儿的策略，甚至通过给肢体加小重物、给床铃加噪声来分别操纵「动作可预测性」「环境可预测性」和「好奇心」这三个因素。

论文数据和代码都已公开。