11月初，谷歌、首次发布了一个内部开发的软件工具，可以减少训练机器人执行新任务所需的工作量。

该工具被称为 "代码即政策"，或CaP。它可以在GitHub上以开源许可的方式使用。

制造商在工厂里部署机器人手臂之前，必须根据自己的要求定制系统。这个过程通常涉及编写自定义代码。例如，制造商的开发人员可能会编写代码，指示机器人手臂从生产线上拿起产品，并把它们放在一个箱子里。

公司每次希望训练机器人执行新任务时，都必须编写自定义代码。此外，将为一个机器人编写的软件调整到其他机器上运行，往往需要手动修改。因此，开发过程可能涉及大量的时间和精力。

谷歌表示，其新近亮相的CaP工具可以通过自动生成机器人配置代码为开发者节省时间。CaP使用人工智能模型生成代码。近年来，谷歌和其他公司已经开发了先进的人工智能系统，能够根据用户的提示编写软件。利用这种人工智能系统，CaP可以生成代码，使机器人能够执行用户指定的任务。

谷歌研究人员在一系列的内部评估中测试了CaP的能力。在一次测试中，研究人员评估了CaP是否能教机器人如何改变桌子上玩具积木的位置。在收到 "将积木排列在中间的正方形 "的指令后，CaP成功地生成了代码，使机器人能够重新排列积木。

据谷歌称，该工具还可用于训练机器人完成各种其他任务。"谷歌研究实习生Jacky Liang和研究科学家Andy Zeng在一篇博文中解释说："CaP允许单一系统执行各种复杂多样的机器人任务，而无需特定的任务训练。“

为CaP提供动力的人工智能系统最初并不是用来生成机器人配置代码的。根据谷歌的说法，其研究人员使用一种被称为 "几率学习 "的方法训练这些系统来完成任务。

教导人工智能系统执行一项新的任务，通常需要向它提供大量的例子，证明应该如何执行该任务。通过少数几次学习，研究人员可以只用几个例子来训练人工智能系统，从而加快开发速度。谷歌的研究人员通过向CaP提供如何将自然语言指令翻译成机器人配置代码的例子来训练它。

CaP用Python编程语言编写软件。除了产生新的代码外，该工具还可以利用软件库，即预先包装好的代码集，将常见的任务自动化。谷歌表示，它的方法已经证明比现有的配置机器人执行新任务的方法更有效。

"我们的实验证明，与直接学习机器人任务和输出自然语言动作相比，输出代码导致了泛化和任务性能的提高。"Liang和Zeng详述道说。

除了CaP的代码，谷歌还发布了一个基准测试工具以支持进一步的研究。该基准工具将使研究人员能够更容易地比较不同人工智能系统执行机器人相关任务的情况。