本文介绍 SEDRo，一个模拟环境用于发展性机器人学习模型的训练，模拟婴儿从胎儿时期到 12 个月的成长进程，以发展心理学测试的形式来评估学习模型的进展。

Jul, 2020

本文通过介绍开展儿童认知过程、与机器人和社会人工智能系统中儿童行为相结合的理论研究和探讨，揭示了在当前人工智能技术发展的状态下，开展儿童认知过程的研究存在的挑战和难点，以及所要求的跨学科研究的共同基础。

Oct, 2022

本研究使用虚拟婴儿代理，在无外部奖励的情况下，测试了与人类探索的动机类似的内在奖励功能，并发现了好奇心式的内在奖励和有关性交互的连续性有助于引发探索和生成动态的社交行为和强大的预测世界模型。

May, 2023

本文研究人形态智能的应用于外科机器人学习的新交互式模拟平台，以人机交互的形式，以增加更有效的策略学习，通过收集人类示范并模仿动作模式，展示了仿真环境的改进和验证最先进的强化学习算法。

Jan, 2023

我们提出了一个使用深度学习方法的 Staged Social Behavior Learning (SSBL) 框架，在模拟中学习机器人在社交场景中的行为，然后将其应用于与人类交互的实际机器人中。实验结果表明，相比于最先进的模型，我们的模型可以生成更加符合社交规范的行为。

Oct, 2018

本文讨论了构建具有社交交互能力的具体化自主智能体是人工智能面临的主要挑战之一，并指出了目前在具体化语言使用方面的研究方向存在的局限性。作者认为，实现人类水平的人工智能需要更广泛的关键社交技能。最后，通过实验研究了一种近期最先进的深度强化学习方法的局限性。

Apr, 2021

本文旨在将心理学的社会认知能力引入到人工智能的社交互动代理中，并提出了一个名为 SocialAI school 的工具，用于进行与社会性和认知能力有关的实 现实验的参数化环境。

Jul, 2023

通过从自然中选择性启示，我们构建了具有大规模行动空间、多个相机提供的丰富传感数据流以及与其他系统连接以增强行动空间和数据流的强大且部分软性的机器人肢体。作为概念验证，我们训练了两种当代机器学习算法来执行简单的目标寻找任务，将这一设计视为构建用于实现人工通用智能的机器人的第一步。

Apr, 2024

本文提出了使用多模式深度 Q 网络（MDQN）的方法，通过试错法让机器人从与人类的互动中收集数据并从高维感知信息中学习人类的交互行为，以使机器人能够具备与人类一样的交互技能。在与人类的相互作用 14 天后，本文表明机器人成功地学会了基本的人机交互技能。

Feb, 2017

介绍了一个基于模拟环境的交互式和具身视觉 AI 研究平台 RoboTHOR，为解决模拟到真实世界的模型迁移问题提供了可能，为全球的研究者提供了一个远程测试具身模型的平台，并自举了实验结果表明，在模拟与物理世界中测试的模型训练性能存在显著差异，可能成为视觉计算的下一个发展阶段。

Apr, 2020