歡迎關(guān)注“創(chuàng)事記”微信訂閱號(hào)：sinachuangshiji

　　文/郭一璞

　　來(lái)源：量子位（ID:QbitAI）

　　從上海，到北京，每個(gè)城市都在搞垃圾分類。

　　干垃圾、濕垃圾、有害垃圾，豬不能吃、豬能吃、豬吃了會(huì)死……你是不是還在為這些垃圾分別是什么而苦惱呢？

　　要是能自動(dòng)給垃圾分類就好了。

　　Alphabet X，就是之前孵化了無(wú)人車的Google X，終于造出了垃圾分類機(jī)器人。

　　這些機(jī)器人可以把垃圾分類、把分錯(cuò)類的垃圾放到正確的地方，還能在辦公室里游走撿垃圾。

　　比如，放錯(cuò)地方的礦泉水瓶，機(jī)器人可以撿起來(lái)放到正確的地方去：

　　放錯(cuò)地方的易拉罐，也要讓它和別的罐罐在一起：

　　他們?cè)贏lphabet公司的辦公室測(cè)試后，發(fā)現(xiàn)這臺(tái)機(jī)器人可以顯著降低垃圾造成的污染，將本能回收利用卻被送去垃圾填埋場(chǎng)的垃圾占比從20%降到不到5%。

　　怎么做到的

　　想讓機(jī)器人學(xué)會(huì)垃圾分類，需要用到感知、移動(dòng)和操作，借助計(jì)算機(jī)視覺(jué)技術(shù)進(jìn)行感知以及幫助機(jī)器人前行的自動(dòng)駕駛能力都是業(yè)界熟悉的，但如何學(xué)會(huì)在復(fù)雜環(huán)境中用“手”拉開柜子、打開抽屜、撿走垃圾則是必須要讓機(jī)器自行學(xué)會(huì)的操作。

　　因此，Alphabet X用到了三個(gè)方法來(lái)讓機(jī)器人學(xué)會(huì)靈活用“手”。

　　跟人類學(xué)習(xí)

　　第一種是跟人類學(xué)習(xí)，模仿人類的動(dòng)作和做法。

　　這里就用到了Play-LMP算法，它在沒(méi)有特定數(shù)據(jù)集訓(xùn)練的情況下，讓機(jī)器人跟人類的演示學(xué)習(xí)，最終實(shí)現(xiàn)平均成功率85.5%。

　　學(xué)出來(lái)的成績(jī)，大概是這樣的，左邊是任務(wù)要求，右邊是執(zhí)行過(guò)程：

　　跟其他機(jī)器人學(xué)習(xí)

　　和其他機(jī)器人學(xué)習(xí)是通過(guò)無(wú)模型的強(qiáng)化學(xué)習(xí)，讓許多個(gè)機(jī)器人共享經(jīng)驗(yàn)。

　　具體的實(shí)現(xiàn)方式是這樣的：

　　讓機(jī)器人學(xué)習(xí)借助門把手開門這個(gè)技巧，一起學(xué)習(xí)的每個(gè)機(jī)器人都裝了一份神經(jīng)網(wǎng)絡(luò)，并且他們每臺(tái)機(jī)器人都連到了一個(gè)中央服務(wù)器上。

　　每個(gè)機(jī)器人開始對(duì)著這個(gè)門和門把手琢磨，摸索著考慮怎么開。

　　這個(gè)過(guò)程中，每個(gè)機(jī)器人每一步的行動(dòng)和結(jié)果都被傳輸?shù)奖澈蟮闹醒敕?wù)器上，中央服務(wù)器里的神經(jīng)網(wǎng)絡(luò)就開始借助這些傳輸來(lái)的經(jīng)驗(yàn)，迭代改進(jìn)神經(jīng)網(wǎng)絡(luò)。

　　這樣整個(gè)過(guò)程就好像司令部派了幾個(gè)士兵出去偵查，再把每個(gè)士兵送回來(lái)的線索匯總，形成整體的作戰(zhàn)思路，再告訴士兵們應(yīng)該如何如何行動(dòng)。

　　所以改進(jìn)之后，機(jī)器人們就都學(xué)會(huì)了開門這項(xiàng)技能。

　　在云端學(xué)習(xí)

　　機(jī)器人要撿垃圾，必須學(xué)會(huì)靈活的使用自己的“手”來(lái)抓東西，要不斷的練習(xí)，有大量數(shù)據(jù)來(lái)訓(xùn)練模型才可以。

　　現(xiàn)實(shí)世界里，機(jī)器人一天只能練習(xí)5000次抓取，數(shù)據(jù)量是遠(yuǎn)遠(yuǎn)不夠的。

　　而借助隨機(jī)到規(guī)范適應(yīng)網(wǎng)絡(luò)（Randomized-to-Canonical Adaptation Networks，簡(jiǎn)稱RCANs），在云中模擬訓(xùn)練的數(shù)據(jù)就可以用在模型的實(shí)際訓(xùn)練中，這樣機(jī)器人抓物體的成功率就提升到了70%。

　　之后，再結(jié)合5000次在現(xiàn)實(shí)世界抓取的數(shù)據(jù)，對(duì)模型進(jìn)行微調(diào)，成功率就到了91%。

　　這個(gè)過(guò)程，相當(dāng)于在真實(shí)世界抓了58萬(wàn)次的結(jié)果，一下子省了99%的練習(xí)次數(shù)。

　　這樣，原來(lái)需要花3個(gè)月的時(shí)間來(lái)訓(xùn)練機(jī)器人學(xué)習(xí)抓取，現(xiàn)在只要不到一天就可以了。

　　另外，這篇論文也發(fā)了今年的CVPR。

　　結(jié)構(gòu)化和非結(jié)構(gòu)化環(huán)境里的機(jī)器人

　　現(xiàn)在的機(jī)器人領(lǐng)域內(nèi)，雖然有不少成熟的機(jī)器人，但它們都是技能專精、價(jià)格昂貴的。

　　他們?cè)诠S流水線上這種單一而結(jié)構(gòu)化環(huán)境里，用非常高的效率處理某一項(xiàng)任務(wù)，但無(wú)法在每天情況都不一樣、復(fù)雜而非結(jié)構(gòu)化的生活環(huán)境中解決洗衣做飯這些麻煩的任務(wù)。

　　Alphabet X的最終目標(biāo)是造出可以在日常生活中使用的機(jī)器人，比如它可以在家里疊疊被子洗洗碗，在辦公室里端茶倒水取外賣……每天都會(huì)用到，所以這個(gè)項(xiàng)目也因此被叫做Everyday Robots。

　　不過(guò)，其難度可想而知。

　　美國(guó)國(guó)家公路交通安全管理局給出了這張示意圖。

　　橫軸左側(cè)是執(zhí)行專精的任務(wù)，右邊是日常的多種復(fù)雜任務(wù)；縱軸下半部分是在結(jié)構(gòu)化的環(huán)境中，上半部分是在非結(jié)構(gòu)化的環(huán)境中。

　　顯然，右上角那種在各種復(fù)雜環(huán)境都能隨機(jī)應(yīng)變、十八般武藝樣樣都行的機(jī)器人，人類創(chuàng)造它的難度要遠(yuǎn)遠(yuǎn)高于左下角只會(huì)在流水線上固定位置完成固定任務(wù)的工業(yè)機(jī)器人。

　　而在右上方象限內(nèi)，就有正在發(fā)展中的自動(dòng)駕駛汽車，Everyday Robots，要比自動(dòng)駕駛的難度更上一個(gè)量級(jí)。

　　傳送門

　　最后，關(guān)于這個(gè)垃圾分類機(jī)器人的三種學(xué)習(xí)方式，相關(guān)的論文、技術(shù)博客鏈接如下。

　　跟人類學(xué)習(xí)

　　Learning Latent Plans from Play

　　作者：Corey Lynch, Mohi Khansari, Ted Xiao, Vikash Kumar, Jonathan Tompson, Sergey Levine, Pierre Sermanet

　　https://learning-from-play.github.io/

　　跟其他機(jī)器人學(xué)習(xí)

　　https://ai.googleblog.com/2016/10/how-robots-can-acquire-new-skills-fro…

　　在云端學(xué)習(xí)

　　Sim-to-Real via Sim-to-Sim: Data-efficient Robotic Grasping via Randomized-to-Canonical Adaptation Networks

　　作者：Stephen James, Paul Wohlhart, Mrinal Kalakrishnan, Dmitry Kalashnikov, Alex Irpan, Julian Ibarz, Sergey Levine, Raia Hadsell, Konstantinos Bousmalis

　　https://arxiv.org/abs/1812.07252

 

        原文鏈接：http://tech.sina.com.cn/csj/2019-11-22/doc-iihnzahi2589505.shtml

        本文系轉(zhuǎn)載，文章版權(quán)歸原作者所有，內(nèi)容為作者個(gè)人觀點(diǎn)，轉(zhuǎn)載目的在于傳遞更多信息，如涉及作品內(nèi)容、版權(quán)和其它問(wèn)題，請(qǐng)與我們聯(lián)系，我們將在第一時(shí)間刪除內(nèi)容。