导语：三个月的婴儿躺在摇篮里，脚上系着一根连到头顶玩具架的绳子。蹬腿，玩具就动。这个看似简单的“移动范式”实验，是发展心理学的经典范式，用来研究婴儿如何学会“我的动作能影响世界”。2026年，一项发表在《Science Robotics》上的研究，让一个儿童尺寸的iCub人形机器人躺进婴儿床，复现了这个经典实验。但结果挑战了一个长期被默认的假设：偶联学习的表现，远不止“动得更多”。 机器人发展出了至少四种不同的运动策略来“利用”这个偶联，而每一种策略背后，都对应着预测与好奇心之间不同的内部平衡状态。

一、把机器人放进婴儿床：一个被建模的经典实验

移动范式的逻辑很简单：婴儿的一只脚或一只手连接到一个悬挂的玩具架。当婴儿发现“动这只脚→玩具动”这一规律时，他会倾向于更多地运动那只连接的肢体。这就是感觉运动偶联学习——个体学会自己动作与感官效果之间的联系。

这是人类认知发展的基石。它支撑着身体知识的形成、因果关系的理解，以及最重要的——主观能动感的诞生：我知道“是我让它动的”。

研究者将这一范式搬到了iCub人形机器人身上。机器人躺在特制的木制婴儿床里，一只手臂通过弹性绳连接到悬空的移动玩具架。机器人通过头部的摄像头感知玩具的运动。计算模型输出的关节指令驱动真实电机，产生运动。

关键是这个模型的设计哲学：它不预设“应该怎么动”，而是通过两个生物学启发的监督信号驱动学习——预测和好奇心。

预测损失让模型学会准确预测自己动作的后果；好奇心损失则驱动它探索那些“有趣”的动作——即那些产生了意外后果、难以预测的动作。两者天然形成张力：预测需要利用已知的偶联，好奇心则推动探索未知。这个张力，正是整个研究的理论核心。

二、七种条件：用实验设计隔离偶联的“纯度”

为了系统研究偶联检测，研究者设计了七种实验条件，在真实机器人和仿真环境中交错进行。

真实环境三个条件：

• 复杂条件：使用类似Rovee经典实验的彩色玩具架，多部件结构使其运动具有非确定性和低可预测性。
• 简单条件：用一根泡沫管替代玩具架，通过滑轮系统与手臂连接，运动高度确定性。
• 对照条件：没有玩具架，完全不存在偶联。

仿真环境四个条件：

• 仿真复杂条件：用Gazebo重建复杂条件。
• 仿真简单条件：完全确定性——视觉反馈直接等于连接手臂的运动，动作与感官输入一一对应。
• 重放仿真复杂/简单条件：回放之前的视觉序列，但断开偶联——视觉刺激相同，但机器人的动作不再影响玩具。

这个设计的一个精妙之处在于重放条件：它隔离了“偶联存在与否”这一变量，同时保持视觉刺激完全相同。如果机器人在偶联条件下的行为与重放条件下不同，就能确定差异来自偶联本身，而非视觉刺激的变化。

复杂条件重复20次实验，仿真条件重复60次。

三、偶联检测：一个机器学习的“观察者”

如何判断机器人是否发现了偶联？研究者没有预设“应该动得更多”的假设，而是采用了一个外部观察者的方法。

一个多层感知机分析机器人双臂的运动轨迹序列，尝试判断“哪只手臂被连接了”。如果MLP的分类准确率显著高于50%的随机水平，说明机器人在连接臂和非连接臂之间产生了系统性的运动差异——也就是它检测到了偶联。

结果清晰而有层次：

最关键的对比在“偶联”与“非偶联”之间。在真实复杂条件中，MLP能以65%的准确率识别连接臂；在仿真复杂条件中达到67%；而在没有偶联的对照和重放条件中，准确率全部回落到50%左右。这说明，机器人在偶联存在的条件下，确实产生了与偶联相关的系统性运动模式。

但真正的意外发现藏在另外两个结果里。

简单条件的分类准确率只有53%，不显著。这完全违背了直觉——简单条件的偶联更确定、更容易检测，机器人应该表现更好才对。研究者提出的解释是“甜蜜点”假说：复杂条件恰好处于一个“既有挑战性又不至于无法学习”的最佳区间，能激发主动探索；而简单条件要么太简单（仿真版——偶联太直接，机器人大幅度减少探索，导致MLP缺乏区分线索），要么太难（真实版——泡沫管占据了机器人视场的很大部分，产生了难以预测的视觉变化，从机器人的角度看，这反而更难学）。

这个发现的重要含义在于：偶联学习不是“越简单越好”，存在一个最优的难度区间。

四、路径长度分析推翻了“动得更多”假说

婴儿文献中，偶联学习最经典的指标是：连接的肢体比未连接的肢体运动更多。

但在这项实验中，这个指标完全失效了。

在所有七个条件中，连接臂和非连接臂的总路径长度没有实质性差异。动量轨迹的时间曲线同样没有显示任何“连接臂动得更多”的模式。

这意味着，机器人虽然检测到了偶联（如MLP所示），但其表达方式不是简单地“增加连接肢体的运动量”，而是某种更微妙的方式。这一发现直接挑战了发展心理学中长期将“运动量增加”作为偶联检测核心指标的做法。

那机器人在做什么？研究者决定不再看平均值，而是深入单次实验的个体轨迹。

五、四种运动策略：偶联学习的“行为光谱”

通过决策树分析，研究者在复杂条件中识别出了四种主导运动策略，它们共同覆盖了87%的样本。这四种策略构成了一个偶联利用的行为光谱。

策略一：有效运动-右臂连接（约25%的右臂连接样本）非连接臂（左臂）保持在躯干附近一个狭窄的空间区域内（横向不超过9厘米），而连接臂（右臂）做出精准的小幅运动。由于绳子的张力，小幅运动就足以带动玩具。这是一种高效的利用策略。

策略二：有效运动-左臂连接（约75%的左臂连接样本）连接臂（左臂）在远离躯干的特定空间区域内做小幅度运动。这个位置的绳子是绷紧的，小动作就能引发玩具运动。同样是高效利用策略。

策略三：探索运动-右臂连接（约25%的右臂连接样本）左臂在躯干附近做大范围运动（每个动作超过6厘米），而右臂（连接臂）在躯干上方约20厘米的区域做小运动。这是一种混合策略——未连接肢体的广泛探索与连接肢体的局部运动并存。

策略四：探索运动-左臂连接（约10%的左臂连接样本）连接臂（左臂）在躯干上方约27厘米处做大范围运动（每个动作超过6厘米），未连接臂（右臂）保持靠近躯干。这是一种用大幅度运动来弥补绳子松弛的策略。

这四种策略揭示了一个关键事实：不存在单一的“正确”方式来利用偶联。机器人根据自身的运动控制能力和对环境的预测水平，自发地采用了不同的策略。有的策略通过精准的小运动高效利用偶联；有的策略则通过大范围探索来“寻找”那个能引发偶联的空间位置。

六、内部机制：预测与好奇心的动态博弈

这些行为策略是如何从模型内部涌现的？研究者训练了第二棵决策树，用内部变量——预测损失（运动预测和环境预测两个分量）、好奇心损失、图像变化和关节值——来解释不同策略的产生条件。

结果呈现出一幅清晰的图景：

有效运动策略出现在模型已经学会了精准预测自己的运动和环境反应的状态。此时预测损失低，好奇心损失也低。模型主要通过利用已知的偶联来维持低损失状态。用强化学习的语言说，这是“利用”主导的阶段。

探索运动策略出现在模型尚未获得良好运动控制能力的阶段。运动预测损失高，模型还不能准确预测自己肢体的运动。好奇心驱动它进行大范围、高变异的探索。用强化学习的语言说，这是“探索”主导的阶段。

关键在于：这两种状态不是人为切换的，而是从预测损失与好奇心损失的动态权衡中自然涌现的。当预测能力不足时，好奇心主导，产生探索行为；当预测能力成熟后，利用主导，产生精准的偶联利用行为。

这一内部机制的解释力在于，它提供了一个从计算原理到行为表达的完整因果链：模型的内部学习状态（预测准确度×好奇心强度）→ 运动策略的选择 → 可观测的行为差异。

七、与婴儿研究的深刻对应

这项机器人研究最令人兴奋的发现，或许在于它与人类婴儿数据的对应关系。

Watanabe和Taga的经典研究发现：2个月大的婴儿在偶联学习中，会同时增加所有肢体的运动；而4个月大的婴儿则只增加连接肢体的特定运动。

这个差异在此前的文献中一直难以解释。为什么年龄更小的婴儿会“乱动一通”，而大一点的婴儿则更精准？

机器人给出的答案清晰而优雅：这是运动控制成熟度的差异。

2个月的婴儿运动控制尚未成熟，他们的“运动预测损失”很高，行为由好奇心驱动，因此表现为广泛的、非选择性的探索——所有肢体都在动。4个月的婴儿已经具备了更好的运动控制能力，预测损失降低，行为转向“利用”主导，表现为对连接肢体的精准、选择性运动。

机器人用它的行为光谱，为婴儿研究中观察到的年龄差异提供了一个计算机制层面的解释。这不是说婴儿的大脑里也有一个“预测损失”和“好奇心损失”的显式计算，而是说，婴儿的行为变化可以用同一套“探索-利用权衡”的框架来理解：随着运动控制能力的发展，行为从探索主导向利用主导转变。

八、结论：偶联学习需要多维度理解

这篇论文的结论可以从三个层面来理解。

第一，对发展心理学的直接启示。偶联学习不能用单一的行为指标——如“动得更多”——来捕获。婴儿文献中长期存在的变异性和不一致性，可能恰恰反映了偶联学习本身的行为多样性。不同婴儿可能采用了不同的策略来利用偶联，而传统研究往往只统计“连接肢体的运动量”这一个指标，从而错过了这种多样性。研究提出的多指标分析框架——MLP分类、决策树、路径长度、运动空间分布等——可以作为一个定量工具，帮助未来婴儿研究更精细地刻画不同的运动策略。

第二，对具身智能的启示。在一个需要机器人自主发现“自己的动作能如何影响环境”的开放场景中，仅仅指定一个行为目标——如“最大化运动量”——是不够的。真正有效的偶联学习，是在预测与好奇心之间的动态平衡中自发涌现的。这为设计自主学习系统提供了一个重要的原则：不要告诉机器人“该怎么动”，而是设计一个机制，让机器人通过预测自己的行动后果和探索意外事件来发现“动哪里有效”。

第三，对模型设计的启示。研究明确指出，偶联学习的表达存在多种策略，而这些策略与模型的内部状态——预测损失和好奇心损失——有着明确的对应关系。这意味着，未来的研究者可以通过监控模型的内部损失，来预测和解释其行为策略。这种从内部机制到外部行为的可解释映射，是当前黑箱模型中极为宝贵的。

最核心的结论凝结为一句话：感觉运动偶联的学习，不是一条从“没学到”到“学到了”的单一路径，而是在探索与利用的动态权衡中展开的一组行为策略。理解这一点，我们才能既理解婴儿的发展，也设计出真正具备自主发现能力的机器人。

论文信息

标题：Robot in a crib: How a playing robot helps us understand sensorimotor contingency learning

作者：Josua Spisak, Sergiu Tcaci Popescu, Lukas Rustler, Stefan Wermter, J. Kevin O'Regan, Matej Hoffmann

机构：汉堡大学、布拉格捷克理工大学、巴黎西岱大学等

期刊：Science Robotics, 2026年8月26日，第11卷第117期

DOI：10.1126/scirobotics.aed4106