这篇论文的核心思想是，在训练机器人的过程中，应采用正强化法，即相比于在它做错时进行惩罚，更应在它做对时进行激励。而对于机器人来说，这种激励机制是以评分系统的形式呈现的，类似玩游戏一样，根据执行任务的情况获得积分。

 

 

　　安德鲁表示，这种方法能够大大缩短训练机器人执行任务的时间。“机器人希望能得到更高的分数，所以它们很快就可以完成相关任务。过去机器人需要一个月的练习才能达到100%的准确性，现在只用两天就能做到。”

 

　　不过他也指出，目前机器人执行的这些任务仍然是比较初级的，比如堆积木。但在未来，机器人有望通过正强化法完成更复杂和有意义的任务。