人类可以通过智能手机和浏览器帮助机器人学习任务

在斯坦福大学盖茨计算机科学大楼的地下室，一个红色机械臂的屏幕亮了起来。一双卡通眼睛闪闪发光。“认识一下本德，”电气工程博士生Ajay Mandlekar说。Bender是斯坦福大学研究人员用来测试两个框架的机械臂之一。这两个框架结合在一起，可以更快更容易地教授机器人的基本技能。RoboTurk框架允许人们通过智能手机和浏览器实时引导机器人手臂，并向机器人展示如何执行拾取物体等任务。超现实通过一次运行多种体验来加快学习过程，让机器人可以同时学习多种体验。

“通过RoboTurk和超现实，我们可以通过结合人类收集的大量数据，并将其与大规模强化学习相结合，突破机器人可以做什么的界限，”开发框架的团队成员Mandlekar说。该小组将于10月29日在瑞士苏黎世举行的机器人学习大会上展示RoboTurk和超现实。

人类教学机器人

朱是计算机科学专业的博士生和团队成员。他通过打开iPhone上的应用程序并在空中挥舞来展示该系统的工作原理。他引导机器人手臂——就像街机游戏中的机械起重机一样——将鼠标悬停在他的奖品上：一块木头被涂成了牛排的样子。这是一个简单的取放任务，包括识别物品、捡起物品并将其放入贴有正确标签的箱子中。

对于人类来说，这个任务似乎很容易。但是对于现在的机器人来说，这是相当困难的。机器人通常通过互动和探索环境来学习——这通常会导致大量随机挥动手臂——或者从大型数据集学习。这些都不如从某些人那里得到帮助有效。就像父母通过引导牙齿来教孩子刷牙一样，人们可以向机器人展示如何完成特定的任务。然而，这些课程并不总是完美的。当朱用力按下手机屏幕，机器人松开手柄时，木头牛排撞到了垃圾箱的边缘，然后咔嚓一声掉进了桌子里。“在这方面，人类绝不是最好的选择，”曼德列卡尔说。“但这种体验仍然是机器人不可或缺的一部分。”

更快地学习并行。

这些实验——甚至是失败——提供了有价值的信息。通过RoboTurk收集的演示将为机器人开始学习提供背景知识。超现实可以同时在世界各地运行数千个模拟体验，以加快学习过程。“通过超现实，我们希望加快与环境互动的过程，”计算机科学博士生、团队成员林希茜说。这些框架大大增加了机器人学习的数据量。博士后研究员Animesh Garg说：“组合的twin框架可以为人工智能提供一种机制，以协助人类执行任务，我们可以让人类远离危险的环境，同时仍然保持类似水平的任务执行能力。”开发了框架。

该团队设想，未来机器人将成为日常生活中不可或缺的一部分：在制造过程中帮助做家务、执行重复性装配任务或完成可能对人类构成威胁的危险任务。“你不应该告诉机器人将手臂向前扭转20度和10厘米，”朱说。“你希望能够告诉机器人在厨房里吃苹果。”RoboTurk和超现实团队的现有成员包括Ajay Mandlekar，Zhu，Linxi Fan，Animesh Garg，以及Lii-李非和Silvio Savarese老师。

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！