对机器人的运动方面的研究也有很大的进展。
我认为，人工智能机器人开发的难度在于，在人工智能开发的课题之外还追加了物理方面的问题。在这些问题中，关键在于要如何让机器人的身体动起来。
例如，在美国加利福尼亚大学伯克利分校，有教机器人叠毛巾或手帕的项目。机器人的叠法非常不同寻常，让前去采访的我们很是惊讶。但是，这大概是因为对于机器人的关节来说，这种叠法是最为便利的吧。
它们的学习过程就是反复试错。打个比方，就好像把乐高的积木嵌入其他积木：首先直接对接插入，发现插不进去，于是就换个方向继续尝试，如果形状不太吻合的话，就再换个方向继续尝试。总之在重复无数次之后，最终会发现刚好能够插入的位置。
就算找到便利的叠手帕的方式，要实用化又是非常耗时的。因为就我所见到的机器人来看，它们在叠手帕的时候只要手帕上出现一点褶皱，就会突然叠不下去。也就是说，如果没有人类在一旁辅助，它们连反复练习都做不到。
这应该是由于机器人与人类一样，是在三次元空间里活动的缘故吧？AlphaGo是通过电脑在二次元的棋盘上进行学习活动的，所以就算一直不管它，开发者也能得到成果。与机器人相比，两者的开发难度真是非常悬殊。这让我切身体会到，围棋、将棋这样只要准备了全方位支持的助手（以及高额的电费）就能够建立的二次元世界，与三次元的世界完全不是一回事。教育一个机器人所需的劳力，接近培养一个人类小孩。
像扫地机器人Roomba那样只是扫地吸尘也就算了，要让机器人把洗好的衣服叠起来搬运，然后整理好放到柜子里，这种家务事要想通过人工智能来完成，我想还早得很。
不过，利用虚拟空间来进行这种运动学习的研究已经开始了。例如，无人驾驶的相关学习并不只是在实际道路上进行的，也可以在模仿现实的电脑空间里进行。这样一来，机器人说不定就可以像AlphaGo在1秒内进行几千几万局模拟实验一样，不借用人力，就进行大量学习，掌握运动的方法了。
