为了实现机器人快速标定，测量运动学参数，进而对机器人动作进行调整，课题组研发了一种在线机器人自学习标定方法，可以在不停止机器人的情况下快速识别机器人的运动学参数，从而大大提高了机器人的运行效率，如下是一种参数辨识的应用。

参数辨识应用：机器人搭建房屋

视频中展示了一种多步骤的对象操作技能学习方法。考虑到在目标不明确的情况下，机器人必须依靠高效的规划理解需要选择什么样的对象，将对象放置在哪里以及如何放置。模型将感知与多种原始动作(如抓取、推动、放置)和一种新的原始动作、定向相结合。为了确保机器人能够成功执行，框架被分解为三个独立的阶段并使用非策略监督学习对原始的视觉输入进行端到端的训练。框架使用Q-Learning 算法从零开始为每个原始动作训练三个完全卷积的神经网络。仿真和真实实验表明，机器人能够通过训练学习到未训练的行为。我们通过创建具有不同形状和大小的块结构对该框架的能力进行了评估。在仿真实验中，机器人高效地完成了块堆叠任务，在测试中块堆叠任务的成功率为98%。通过有效域随机化，能够将模型转移到一个真实的UR3机器人上。在真实实验中,对于具有凸起形状的物体，该模型能够达到100%的成功率。对于在训练过程中没有出现的物体，模型到达了92%的成功率。