在模擬醫(yī)院的環(huán)境中相互協(xié)作來照顧病人，它們通過與云端服務(wù)器的交互來進行信息共享和互相學習。例如，一個機器人可以對醫(yī)院房間進行掃描并將完成的地圖上傳至RoboEarth，而另外一個對這個房間完全不了解的機器人就可以通過訪問云端的這張地圖來找到房間中一杯水，而不需要再進行額外的搜索。按照相同的原理，類似于打開藥盒式的任務(wù)解決方式也可以通過RoboEarth進行分享，其他機器人不需要重新編程就能打開特定的盒子，即使這些機器人基于不同的模型。

　　RoboEarth項目開始于2011年初，埃因霍溫大學、蘇黎世聯(lián)邦理工學院、慕尼黑工業(yè)大學、薩拉戈薩大學、斯圖加特大學和飛利浦公司的35位科學家啟動了這項為期四年的研究計劃。試圖讓機器人共享信息并存儲它們的發(fā)現(xiàn)，幫助機器人建立起自己的互聯(lián)網(wǎng)和維基百科。當機器人執(zhí)行任務(wù)時，它們能下載數(shù)據(jù)并尋求其他機器人的幫助，以便更好的適應新環(huán)境。執(zhí)行該計劃的研究人員希望該研究可以給機器人裝備人類創(chuàng)造出來的、不斷豐富的知識庫，讓機器人更好的為人類服務(wù)，這些機器人的主要應用領(lǐng)域是護理老人及病人。

　　RoboEarth的云端架構(gòu)為機器人提供了一個向云端傳輸信息并獲得反饋的閉環(huán)。RoboEarth的聯(lián)網(wǎng)數(shù)據(jù)庫接收機器人采集的信息，并通過機器可讀的格式進行存儲。存儲在RoboEarth底層的信息包括軟件組件、導航地圖（例如，物體定位、世界模型）、任務(wù)知識（例如，行動方法、操作策略）以及模式識別模型（例如，圖像識別、物體識別）。RoboEarth云端引擎提供強大的計算能力，每個機器人通過云端使用，因此，它們自身不用再額外裝載繁重的計算功能。云端引擎的計算環(huán)境具備海量帶寬，使機器人可以非常迅捷的從RoboEarth分享和獲取信息。

　　RoboEarth如期發(fā)布的階段性成果讓我們興奮不已，這為機器人在深度學習、認知形成和行為操作等方面的發(fā)展打下了基礎(chǔ)。我們有理由相信RoboEarth絕不會就此止步，雖然目前的機器人只是具備一些基礎(chǔ)功能，處理一些簡單任務(wù)，但RoboEarth接下來勢必將促使機器人之間進行更加深層次的信息共享以及更復雜行為的學習。總之，RoboEarth在深度學習領(lǐng)域給我們帶來的啟發(fā)和靈感要遠遠大于他們目前所提供的功能。

　　機器人的互聯(lián)網(wǎng)和認知盈余

　　從本質(zhì)來講，RoboEarth為機器人提供了一個巨大的網(wǎng)絡(luò)和數(shù)據(jù)庫來幫助其共享信息，并互相學習各自的行為、技能和環(huán)境，以達到一種經(jīng)驗共享、互相學習的理想狀態(tài)。RoboEarth之于機器人就是互聯(lián)網(wǎng)之于我們。互聯(lián)網(wǎng)為我們提供了一個效率最高（截止目前為止）的信息傳遞和交互工具，每個人都可以將自己的認知盈余通過互聯(lián)網(wǎng)與其他人共享，我們每個人也在時刻通過接收別人上傳到互聯(lián)網(wǎng)的各種技能、經(jīng)驗和知識來不斷學習。我們閱讀文章、圖片和視頻等高質(zhì)量素材來提升自己，我們通過社區(qū)來解答難題并學習技能，這說到底都是信息的共享和交換。就像印刷術(shù)的發(fā)明和書籍的出現(xiàn)，將原本只能口口相傳的知識帶到了更容易傳播的書本上，使更多的人更加高效的獲取信息和學習，而互聯(lián)網(wǎng)是將這一方式提升到了極致。