启发机器人学习：人类幼儿引领创新方法

多年来，不同组织一直在构建复杂数据集，不断探索新方法来培养系统完成新任务。我们正站在实现技术突破的边缘，能够快速适应和学习。去年涌现出众多令人着迷的研究，其中卡内基梅隆大学于去年6月展示的VRB（视觉机器人桥）引人注目。该系统能够将从YouTube视频中获取的知识应用于各种环境，解放程序员不再为每种情况变化而担忧。

【图片】


谷歌的DeepMind机器人团队在上个月展示了令人印象深刻的RT-2（机器人变形金刚2）。这一系统能够抽象出任务执行的精髓。例如，机器人扔掉垃圾并不需要程序员逐步指导，它能够在任务中领会重点，完成看似简单（对人类而言）的动作。卡内基梅隆大学本周介绍了与人类早期学习相比较的其他研究成果。这些研究将机器人的智能代理比作三岁的幼儿。从上下文来看，学习分为主动和被动两类。

被动学习是通过播放视频或在数据集上进行训练，向系统传授执行任务的方式。主动学习则意味着执行任务并不断调整直至正确。RoboAgent是由CMU和Meta AI联合开发的，将这两种学习方式融合，模仿人类学习方式。它通过观察互联网上正在进行的任务，并通过远程遥控进行主动学习。这一系统能够从一个环境中吸取经验并应用到另一个环境，与之前提到的VRB系统相似。CMU机器人研究所的Shubham Tulsiani表示：“这种学习能力使得代理更接近通用机器人，能够在不同未知环境中完成任务并不断进化。RoboAgent能够迅速训练机器人使用有限的领域数据，主要依赖互联网上丰富的免费数据学习各种任务。这使得机器人在家庭、医院等非结构化环境中发挥更大作用。”

最令人兴奋的是，该数据集是开源的，普遍可访问。它可以与现有的机器人硬件一同使用，为研究人员和公司提供不断增长的机器人数据和技能库。

【图片】


机器人研究所的阿比纳夫-古普塔（Abhinav Gupta）说：“与其他公司相比，RoboAgents的技能复杂性更为丰富。我们展示了比现实世界中任何单一机器人代理所能实现的更多样化技能，其效率和对未知场景的泛化能力是独一无二的。”在构建和部署多用途机器人系统方面，这是一个巨大的潜力，有望最终演化为通用机器人。我们的目标是创造一种能够超越我们对工业机器人的传统认知，脱离高度结构化环境，具备适应不同任务的技术。尽管实际应用和扩展具有挑战性，但这些机器人学习方法正处于起步阶段，对于新兴多用途系统来说，正迎来令人兴奋的时刻。