如何训练机器人？VR技术或为得力助手
- 来源：wired
- 编辑：一不做
- 2017/11/15 9:43:09
- 31030
如何训练机器人？VR技术或为得力助手
帮我个忙，抓住你周围的一件东西。随便你怎么做，即使你以前从来没有做过这种事情，但是你的大脑会告诉你应该如何去做，比如说怎样抓取物体，要用多大的力量。这是人类与生俱来的动手能力。
然而，如果请一个机器人来抓取同样的东西，你只会看到一个发呆的机器人或得到一团皱巴巴的东西抓在机器人手里。这是因为机器人通常擅长需要很多力量的重复性工作，它们在面对陌生事物时做得还不够好。然而一家名为“Embodied Intelligence”的公司却能将机器人和人们的优势融合到一个新的系统中，使得普通人可以简便地教授机器人新任务。你可以把它想象成一个虚拟现实游戏，而只有你能操控那些巨大的机器人。
如果你想教机器人如何拿起扳手，你可以用如下几种方法。你可以把它所需要的动作进行编程——这个过程会非常沉闷冗长。
强化学习是一项更为复杂的新技术。加州大学伯克利分校实验室有一个名叫布雷特（Brett）的机器人，它可以进行自我强化学习，不断地尝试把方块放在方孔里。如果它的移动能让方块更靠近方孔，那么它就会得到奖励。一次次地尝试之后，机器人就会离其目标越来越近，直到终成功完成此次任务。这生动地展现了一个机器人是如何在10分钟内自行掌握一个儿童游戏的。
相比之下，以往让机器人活动的编程耗时巨大。因为机器毕竟要受现实束缚，在有限的时间内只能进行一定量的训练尝试(而在模拟训练中强化学习速度要快得多，因为虚拟试验能更快地进行)。
其中一位操作员演示了机器人是如何把一个方块放在对应的方孔里的，这就是让机器人行为更为精细的技术——模仿学习。机器人的手臂像游戏操纵杆一样灵活，但可惜的是这种机器人无法教导自己进行新任务。
Embodied Intelligence公司所构想的是一个综合模仿学习和强化学习的混合系统。人类可以使用VR（虚拟现实）耳机和控制器，来遥控机器人执行某项任务。这在操作员和机器人之间创建了一个更加自然的动力学连接，即机器学习算法。这种算法可以把人类的行为匹配到机器人的运动控制之中。强化学习就这样开始了，机器人可以反复试验来不断改进自己的动作，直到它的工作能做的比人类教的更好为止。
Embodied Intelligence公司的联合创始人兼总裁彼得·阿贝勒表示，“通常情况下，人们希望自己的机器人是超人，做得要比人类训练师更好。人们还希望机器人在掌握了一项技能之后，可以自己进行反复训练，来让这项技能变得更快，更准确，更可靠，而不再需要人类对它进行持续训练。毕竟理论上讲，很多事人类是无法做得比机器人更快的。”
畅想一下未来的工厂是什么样子的。程序员不需要对在流水线上的机器人进行编码，而是在虚拟现实中训练机器人。也许机器人在一开始会表现不佳，但随着时间的推移，机器人会做得越来越好。而且随着研究人员构建出更好的学习算法，机器人还可能会承担起一项人类教授的特定任务，它还可以自己教自己完成不同的事情。
但是，目前这个系统还处于初期发展阶段。目前它正在研究PR2机器人，这是一种相对较慢且笨拙的机器人。现在的任何机器人都远不如人灵巧，所以即使这个东西擅长复制模仿操作者的动作，却也不能复制出精细的抓握。但是，如果Embodied Intelligence公司真的开发出这种系统出来，那么制造商很快就可以运用上，让工业用机器人向工人学习，之后工业机器人可以自行强化掌握的种种技能。
设想一下，我们让所有的机器人都搭载上这种系统。如果你有100台机器人在网络中交流，并且其中一个学到了一些特别有用的东西，那么它就可以把这些知识共享给其余99个机器人。这就是一种强大的蜂巢思想，一个人会则人人皆会。机器人甚至不必具有相同的规格，因为研究人员已经想出了信息在不同类型的机器之间转换的方法。
从近期来看，这不仅能使机器人变得更加智能，而且使他们更容易从人类身上学习新知识。虽然在实验室里编程布雷特(Brett)需要花费博士的很多时间，但Embodied Intelligence(公司的联合创始人兼执行官陈皮特表示，“如果使用了新系统，那么任何能够使用VR耳机的人都能够快速地教授机器人新技能。这将改变目前机器人远不及软件技术的现状，让机器人技术腾飞。”
那么，这是否会使机器人更容易取代工作人员？是的。但是机器人会接管那些繁琐重复又劳累的工作，解放掉这些工人，让他们去从事需要敏锐触觉以及创造力的工作。如果我们希望这种富有成效的关系成为现实，那么我们就需要机器人具备快速学习能力，让机器人成为人类的帮手。
(原标题：新技术：如何用VR训练机器人？ 作者MATT SIMON；由亿欧编译。)
版权与免责声明：凡本网注明“来源：智能制造网”的所有作品，均为浙江兴旺宝明通网络有限公司-智能制造网合法拥有版权或有权使用的作品，未经本网授权不
展开全部
热门评论