如今，機(jī)器人可以很好地完成某些任務(wù)。它們非常擅長拾取和移動(dòng)物體，甚至連烹飪也不在話下。
顯然，機(jī)器人很容易在實(shí)驗(yàn)室里完成這些任務(wù)，但讓它們?cè)谝粋�(gè)幾乎沒有可用數(shù)據(jù)的陌生環(huán)境中工作才是一個(gè)真正的挑戰(zhàn)。
現(xiàn)在，一個(gè)名為 OK-Robot 的新系統(tǒng)可以訓(xùn)練機(jī)器人在從未見過的環(huán)境中拾娶移動(dòng)和放下物體。
（來源：arXiv）
這種方法可能能夠填補(bǔ)快速進(jìn)步的人工智能模型和機(jī)器人真實(shí)能力之間的差距，因?yàn)樗恍枰魏纹渌嘿F而復(fù)雜的訓(xùn)練。
為了開發(fā)該系統(tǒng)，紐約大學(xué)和 Meta 的研究人員在五戶人家的 10 個(gè)房間里測(cè)試了 Stretch 機(jī)器人，這是一款由 Hello Robot 制造的商用機(jī)器人，由輪子、高高的桿子和伸縮臂組成。
當(dāng)與機(jī)器人在一個(gè)房間里時(shí)，研究人員會(huì)使用 Record3D 掃描他們的周圍環(huán)境，Record3D 是一款 iPhone 應(yīng)用程序，使用該手機(jī)自帶的激光雷達(dá)系統(tǒng)拍攝 3D 視頻并與機(jī)器人共享。
OK-Robot 系統(tǒng)會(huì)針對(duì)視頻運(yùn)行一個(gè)開源的人工智能物體檢測(cè)模型。與其他開源模型相結(jié)合，它可以幫助機(jī)器人識(shí)別房間里的物體，如玩具龍、牙膏、撲克牌、椅子、桌子和垃圾桶等。
然后，研究人員會(huì)指示機(jī)器人撿起一件特定的物品，并將其移動(dòng)到一個(gè)新的位置。在 58.5% 的情況下，機(jī)器人依靠機(jī)械臂成功地做到了這一點(diǎn)。
在不那么雜亂的房間里，成功率上升到了 82%。目前，這項(xiàng)研究尚未經(jīng)過同行評(píng)審。
谷歌 DeepMind 的高級(jí)計(jì)算機(jī)視覺研究科學(xué)家馬蒂亞斯明德爾（Matthias Minderer）表示，最近的人工智能熱潮帶來了語言和計(jì)算機(jī)視覺能力的巨大飛躍，使機(jī)器人研究人員能夠獲得三年前還不存在的開源人工智能模型和工具。
他說：“完全依賴已有模型（就能成功）是很不尋常的，（因此）這項(xiàng)研究令人印象深刻。”
他補(bǔ)充道：“我們看到了一場(chǎng)機(jī)器學(xué)習(xí)革命，它讓現(xiàn)在新創(chuàng)建的模型不僅在實(shí)驗(yàn)室中有效，而且在開放世界中也很好用�？吹剿鼈�?cè)谡鎸?shí)的物理環(huán)境中確實(shí)有效，這是非常有用的信息。”
因?yàn)檠芯咳藛T使用的模型沒有根據(jù)這個(gè)特定項(xiàng)目進(jìn)行微調(diào)，所以當(dāng)機(jī)器人找不到指定物體時(shí)，它只能停下來等待指令，而不是試圖找出解決方案。
這個(gè)限制讓機(jī)器人更有可能在整潔的環(huán)境中成功：更少的物體意味著更少的混亂和更清晰的導(dǎo)航路線。
紐約大學(xué)計(jì)算機(jī)科學(xué)助理教授萊爾平托（Lerrel Pinto）表示，使用現(xiàn)成的開源模型有好有壞。
他說：“從積極的方面來看，你不必在新環(huán)境中扔給機(jī)器人任何額外的訓(xùn)練數(shù)據(jù)，它可以很快開始工作。
但另一方面，它只能把一個(gè)物體撿起來放到其他地方。你不能要求它打開抽屜，因?yàn)樗粫?huì)拿起和放下兩個(gè)動(dòng)作。”
紐約大學(xué)博士生瑪希沙菲烏拉（Mahi Shafiullah）共同領(lǐng)導(dǎo)了這項(xiàng)研究。他說，通過結(jié)合 OK-Robot 與語音識(shí)別模型，研究人員可以與機(jī)器人交談并簡單地傳遞指令，從而更容易地使用現(xiàn)成的數(shù)據(jù)集進(jìn)行實(shí)驗(yàn)。
他說：“在（機(jī)器人）社區(qū)中，有一種廣泛存在的潛規(guī)則，家（室內(nèi)）是很困難的環(huán)境，機(jī)器人也是很困難的研究領(lǐng)域，而將家庭和機(jī)器人結(jié)合起來是完全不可能的。我認(rèn)為，一旦人們開始相信家用機(jī)器人是可能的，這個(gè)領(lǐng)域就會(huì)迎來有更多的成果。”
支持：Ren
運(yùn)營/排版：何晨龍
