机器人能自己学习。前提条件是工程师设置了让机器人自己学习的程序，机器人有自己的思维。它的思维是程序模式，即工程师设计的机器人思维模式。

自己学习的实现：比如语言学习，分基础学习和随机学习。基础学习是让机器人首先具备特定的几种程序语言，当工作中遇到不懂或无法解释的程序语言时，就自动选择其它种类的程序语言，即基础学习。随机学习，指机器人在工作中，可以随机学习人们给它指定的程序语言或逻辑判断。比如机器人自己学唱歌，需要人先唱一遍，机器人可以用数模转换器，将模拟的声音信号转换成数字信号，然后将数字信号经过算法压缩，存储在随机存储器里，这样人只要唱一遍，机器人立即就学会了。其实这就是在数码录音机原理的基础上，赋予机器人的一个功能。区别于录音机的机器人自己学习，是机器人还必须具备各种感应、感知、回答与控制的系统，以适应和人类交流的习惯。

机器人学习是研究机器人如何模拟人类进而实现人类的学习行为，从而能够像人类一样通过不断的学习来改善自身的性能，提高自身的适应能力和智能化水平。机器人学习是机器人学领域一个非常重要的研究方向，尤其是近几十年来一直是研究者研究的重点。

学习方法如下：

1、监督式学习

在机器人学习的范畴内监督式学习主要是指基于人工神经网络的学习。

2、进化学习

进化学习方法应用的主要是遗传算法，这是一种模拟生物进化机制提出来的学习方法，它利用适应度函数来对种群中的个体进行优劣评价，然后对种群进行更新进化，最终得到最优策略。遗传算法提供的是一种并行的随机搜索的优化方法，适用于复杂或未知的环境，在解决某些移动机器人的搜索问题上有很大的优势，是进化机器人领域的重点研究方向。

3、强化学习

强化学习是人们从动物学习理论发展而来一种目标导向型的学习方法，它是通过与环境的不断交互试错进行学习的，最终获得足够的知识使机器人能够合理的做出行为决策。相比于监督式学习，强化学习有很大的优点：它需要的训练信息是评估性的，只需要给出评价的“好”或“坏”，对机器人行为进行评估，而不是精确性的信息，这种非精确性的信息形式比较符合动态环境的要求，同时也符合我们的心理习惯，所以一直是人工智能与机器人学领域的研究热点。