在Time-Contrastive Networks: Self-Supervised Learning from Multi-View Observation這篇論文中，谷歌的研究者提出了一種從觀察中學習世界的新方法，并多角度展示了機器人僅僅通過觀看視頻，就能在無人監(jiān)督的情況下，模擬視頻動作的全過程。

除了視頻演示之外，谷歌大腦并未對機器人系統(tǒng)提供監(jiān)督學習。他們將這種方法運用于各種不同的任務，以此來訓練真實和虛擬機器人。例如，倒水任務，放碟任務，和姿勢模仿任務。

第一步

通過視頻的分解鏡頭來學習，將時間作為監(jiān)督信號，發(fā)現(xiàn)視頻的不同屬性。這組嵌入向量經(jīng)由一組非結構化和未標記的視頻訓練，里面含有和任務相關的有效動作，也有一些隨機行為，來體現(xiàn)真實世界中的各種可能狀態(tài)。

模型使用triplet loss誤差函數(shù)，基于同一幀的多視角觀察數(shù)據(jù)來訓練多視角下同時出現(xiàn)的幀，在嵌入空間中互相關聯(lián)。當然也可以考慮一個時間對比模型，只根據(jù)單一視角來訓練。這一次，有效幀在錨點的一定范圍內隨機選定，根據(jù)有效范圍計算邊際范圍。無效范圍是在邊際范圍外隨機選定。模型和之前一樣進行訓練。

第二步

通過強化學習來學習規(guī)則?；赥CN嵌入，根據(jù)第三方的真人示范來構造獎勵函數(shù)。機械臂起初嘗試一些隨機動作，然后學會反復進行這些動作，就可以產(chǎn)生最高獎勵的控制步驟，最后達成重現(xiàn)視頻任務的效果。

模型在僅僅經(jīng)歷了9次迭代后就成功收斂，大約相當于現(xiàn)實世界15分鐘的訓練。同樣地，在移碟任務中，機器人最初嘗試隨機運動，然后學會成功拿起和移動一個盤子。