Bài báo này lập luận rằng, không giống như khả năng học hỏi từ các ví dụ đơn lẻ của con người, robot gặp khó khăn trong việc khái quát hóa, cho rằng điều này là do chúng không thể khôi phục lời giải thích cơ bản (chương trình tiềm ẩn) cho hành vi thông minh. Để giải quyết vấn đề này, chúng tôi đề xuất một khuôn khổ Lý luận Nghịch đảo Hợp lý (RIR) suy ra các chương trình tiềm ẩn thông qua một mô hình sinh sản phân cấp về hành vi. RIR giải quyết vấn đề bắt chước từng trường hợp nhỏ thông qua phương pháp quy nạp chương trình Bayesian, trong đó mô hình ngôn ngữ thị giác đề xuất lặp lại các giả thuyết nhiệm vụ biểu tượng có cấu trúc, và một hệ thống suy luận dựa trên lập kế hoạch đánh giá từng giả thuyết dựa trên khả năng xảy ra của các ví dụ quan sát được. Quá trình này tạo ra xác suất hậu nghiệm cho một chương trình ngắn gọn và khả thi. Chúng tôi đánh giá RIR trên một tập hợp các tác vụ thao tác liên tục, đánh giá khả năng khái quát hóa từng trường hợp và từng trường hợp nhỏ trên nhiều tư thế, số lượng, hình dạng hình học và cách sắp xếp đối tượng. Chúng tôi chứng minh rằng RIR có thể suy ra cấu trúc nhiệm vụ dự định và khái quát hóa sang các bối cảnh mới chỉ với một ví dụ duy nhất, vượt trội hơn các mô hình ngôn ngữ thị giác hiện đại.
