AI機器人被賦予新技能 沒見過的東西立刻就能上手操縱

本文由騰訊數碼獨家發布

在一些領域，人工智慧（AI）的影響比機器人技術更具有變革意義。比如總部位於舊金山的創業公司OpenAI開發了一種人工智慧模型，該模型可以指導機械手以最先進的精確度操縱物體，而軟銀機器人公司最近利用情感分析公司Affectiva的技術，向旗下的Pepper機器人注入了類似於「情商」的效果。

而該領域最新的進展來自於麻省理工學院計算機科學與人工智慧實驗室（CSAIL）的研究人員，他們今天在一篇名為《密集的對象網路：學習密集的視覺對象》的論文中展示了最新的成果。

根據論文來看，這項研究描述了應用到機器人操作的詳細的計算機視覺系統，被稱為DON（Dense Object Nets），它允許機器人通過視覺檢查、理解和操作他們從未見過的物體。

該團隊計劃在10月瑞士Zrich舉辦的機器人學習會議上展示自己最新的研究成果。

該論文的第一作者、博士生盧卡斯·曼紐利（Lucas Manuelli）在麻省理工學院CSAIL網站上發表的一篇博客文章中說：「許多操作方法無法識別陌生物體可能遇到許多方向上的特定部分難題。例如，現有的演算法無法用自己的機械手來抓取一個陌生的水杯，特別是如果這個杯子可以在多個方向呈現不同的效果，比如直立，或者在它的一側。」

DON不是一個單純的控制系統。相反，它是一種具有自我監督功能的深層神經網路，一種可以模仿大腦神經元功能的分層演算法，通過訓練以精確細節手臂操作坐標指導系統，並且會生成對物體的描述過程。在經過訓練之後，它能夠自主地挑選出最適合的參考框架，尤其是當呈現一個新的物體時，會將其映射到一起，在三維空間中形成可視化它們的形狀。

根據研究人員的說法，這種對象描述符平均只需要20分鐘就可以完成學習，而且它們是與當前任務無關。也就是說，它們適用於剛性對象（如帽子）和非剛性對象（毛絨玩具）。在一輪培訓中，系統在只能看到在6種不同類型的情況下，學習目標演算法。

此外，儘管在對象顏色、紋理和形狀上存在差異，但描述特徵基本保持一致，這使得DON在使用RGB或深度數據的模型上獲得了優勢。因為後者沒有一致的對象表示，並且能有效地尋找「可理解的」特性，所以它們無法在具有輕微變形的對象上找到準確的點。

「在工廠里，機器人通常需要複雜的部件來更可靠的工作，」曼紐利說。「但是像這樣的系統想要理解物體的朝向，只需拍一張照片，就能相應地掌握和調整物體，還是首次。」

在測試中，團隊在參考圖像中選擇了一個像區域，以便系統自動識別。然後，他們用一個Kuka機器人的機械手臂來抓取目標（一個毛毛蟲玩具），一個特定區域里的物品（不同種類的運動鞋），以及一些雜亂的物品（不同類型的鞋子）。

在一次演示中，機械手臂從一堆類似的帽子目標里識別出一頂帽子，儘管他們從未見過訓練數據中的帽子。在另一項研究中，它從一系列的複雜目標中捕捉到了毛毛蟲玩具，這表明它可以在對稱的物體上分辨出左和右。

研究人員表示：「我們觀察到對於各種各樣的物體來說，我們可以在不同觀點和配置中獲得一致的密集描述特徵。各種各樣的物品包括適度變形的物品，比如柔軟的毛絨玩具、鞋子、杯子和帽子等，還可以包括非常低質感的目標。許多這樣的物體都是在實驗室里被成功抓取（包括各種不同的鞋子和帽子），我們對各種各樣的物體識別效率印象深刻，這些物體可以通過相同的網路結構和訓練來更可靠的學習。」

該團隊認為DON系統可能在工業環境中起到更大的作用，比如對象分類倉庫機器人等。但團隊希望能夠開發一個更高效的版本，可以對相應的對象進行「更深入的理解」來執行任務。

研究人員表示：「我們認為，DON是一種新穎的物體表現形式，可以使許多新的機器人操作方法成為可能。我們感興趣的是探索解決操縱問題的新方法，利用DON的視覺信息，學習描述特徵提供的準確性，以及這些特徵如何能使其他類型的機器人學習受益，例如學習如何掌握、操作和放置一組感興趣但陌生的對象。」

來源：venturebeat

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！