在線客服
微信客服
咨詢電話
021-80392549
借助 WHIRL，機器人學會了如何完成 20 多項任務——從打開和關閉電器、櫥柜門和抽屜，到蓋上鍋蓋、推入椅子，甚至從垃圾箱中取出垃圾袋。
導語：一個新機器人系統Shikhar Bahl，可以直接從視頻中學習人們的行為，概括行為內容，并從中學習，使得機器人能很高效的學習如何做家務。
資料來源：卡內基梅隆大學
機器人看著 Shikhar Bahl 打開冰箱門。它記錄了他的動作、門的擺動、冰箱的位置等等，分析這些數據并準備好模仿 Bahl 的所作所為。
起初它失敗了，有時完全錯過了手柄，在錯誤的位置抓住它或不正確地拉動它。但經過幾個小時的練習，機器人成功打開了門。
“模仿是一種很好的學習方式，”博士 Bahl 說。卡內基梅隆大學計算機科學學院機器人研究所 (RI) 的學生。“讓機器人真正從直接觀察人類中學習仍然是該領域未解決的問題，但這項工作在實現這種能力方面邁出了重要的一步。”
Bahl 與 RI 的教員 Deepak Pathak 和 Abhinav Gupta 合作，開發了一種新的機器人學習方法，稱為 WHIRL，是野外人類模仿機器人學習的縮寫。WHIRL 是一種用于一次性視覺模仿的有效算法。它可以直接從人機交互視頻中學習，并將該信息推廣到新任務，使機器人非常適合學習家務。
人們經常在家中執行各種任務。借助 WHIRL，機器人可以觀察這些任務并收集所需的視頻數據，最終確定如何自行完成工作。
該團隊為現成的機器人添加了攝像頭及其軟件，它學會了如何完成 20 多項任務——從打開和關閉電器、櫥柜門和抽屜到蓋上鍋蓋、推椅子甚至從垃圾箱里拿出一個垃圾袋。每次，機器人都會看著一個人完成一次任務，然后開始練習和學習自己完成任務。
該團隊本月在紐約舉行的機器人：科學與系統會議上介紹了他們的研究。
“這項工作提供了一種將機器人帶入家中的方法，”RI 的助理教授和團隊成員 Pathak 說。
“無需等待機器人被編程或訓練成功完成不同的任務，然后再將它們部署到人們的家中，這項技術使我們能夠部署機器人并讓它們學習如何完成任務，同時適應它們的環境并單獨改進通過觀看。”
當前教授機器人任務的方法通常依賴于模仿或強化學習。在模仿學習中，人類手動操作機器人來教它如何完成任務。在機器人學習之前，這個過程必須為單個任務完成多次。在強化學習中，機器人通常接受數百萬個模擬示例的訓練，然后要求將該訓練適應現實世界。
在結構化環境中教機器人完成單個任務時，這兩種學習模型都能很好地工作，但它們很難擴展和部署。WHIRL 可以從人類執行任務的任何視頻中學習。它易于擴展，不限于一項特定任務，并且可以在現實的家庭環境中運行。
該團隊甚至正在開發一個 WHIRL 版本，通過觀看來自 YouTube 和 Flickr 的人類互動視頻進行訓練。
計算機視覺的進步使這項工作成為可能。使用基于互聯網數據訓練的模型，計算機現在可以理解和模擬 3D 運動。該團隊使用這些模型來了解人體運動，從而促進 WHIRL 訓練。
借助 WHIRL，機器人可以在自然環境中完成任務。電器、門、抽屜、蓋子、椅子和垃圾袋沒有被修改或操縱以適應機器人。
機器人最初的幾次嘗試都以失敗告終，但一旦成功了幾次，它很快就掌握了如何完成并掌握了它。雖然機器人可能無法以與人類相同的動作完成任務，但這不是目標。
人和機器人有不同的部分，它們的動作也不同。重要的是最終結果是一樣的。門打開了。開關關閉。水龍頭已打開。
“要在野外擴展機器人技術，數據必須可靠且穩定，并且機器人應該通過自行練習在環境中變得更好，”Pathak 說。
