眾所周知，人類在采取行動前會先對自己的行為進行思考。舉個例子，如果一個人要踢球，首先他可能會考慮球會往哪里去，以及如何做才能讓球達到一個新的位置。通常情況下，機器人（特別是那些沒有配備高級人工智能程序的機器人）是不具備這種能力的，因為它們內部的編程只能允許它們完成一些簡單的任務。

不過這種情況現在要有所改變了。據了解，加州大學伯克利分校的研究小組經過研究確定，機器人也可以擁有這種感知能力。為了證明這一點，他們開發了一種新的機器人學習技術，讓機器人可以提前進行思考，以便“弄清楚它們會如何操控之前從未遇到過的物體。”

這臺機器人可以想出如何操作它之前從未遇到的物體。

“視覺預見”（Visual Foresight），盡管如此，這并不代表機器人可以預測未來，至少目前還是做不到的。
　　伯克利大學的研究員將這項技術應用到了一臺名為Vestri的機器人身上，使它可以預測自備攝像頭幾秒種以后才能看到的東西。得益于這項新技術，Vestri可以在不觸碰周圍障礙物的情況下，移動放在桌子上的小物體。然而，最讓人震驚的是，在這項技術的支持下，Vestri能夠在沒有人類指導和監督，以及沒有物理知識的情況下，獨立完成這些小任務。

　　“我們可以想象到自己的動作會如何移動某一環境中的物體，同樣，新技術也使得機器人將不同行為對周圍世界產生的影響，變得視覺化。“加州大學伯克利分校電氣工程和計算機科學系助理教授Sergey Levine表示，“在復雜的現實環境中，這就能對高度靈活的技能進行智能規劃。”

　　視覺預見技術是基于“卷積循環視頻預測”或動態神經平流（DNA）開發的。根據該團隊的說法，基于DNA的模型可以根據機器人的行為，預測圖像中的像素如何從一幀跳入另外一幀。正如萊文實驗室的博士生，也是初始DNA模型發明人的Chelsea Finn所說，像Vestri這樣的機器人現在可以“完全自主地學習一系列視覺對象操作技巧”。 

Frederik Ebert是萊文實驗室的一名研究生，也參與了這項技術的研究。他將機器人的運作方式與人類在自己環境中與物體的互動方式進行了比較。

　　“人的一生中，會與各種各樣的物體進行互動，因此，即使在沒有老師的情況下，人類還是人掌握了對象操作技能。”Ebert說，“研究表明，我們可以開發一套機器人系統——利用大量自動收集的數據來學習被廣泛應用的操控能力，尤其是具體對象的推動能力。”

　　萊文指出，Vestri的能力仍然具有一定的局限性，改進視覺預見技術，要做的還有很多。但總有一天，這項技術可以用于幫助自動駕駛汽車上路，令其更好地應對新環境或者不熟悉的物體。

　　盡管如此，這項技術還需要各種改進，才能實現這一目標，比如，更精細的視頻預測以及收集更具體視頻數據的方式，等等。有了這些改進之后，機器人或許就可以完成更為復雜的任務了，比如拿起和放置物體，處理像衣服或繩子等柔軟且容易變形的物體。甚至有一天，機器人還可以幫我們洗衣服。