谷歌母公司聘了100多台机器人,扫地热菜擦桌子,还能自主学习( 二 )

谷歌母公司聘了100多台机器人,扫地热菜擦桌子,还能自主学习

文章插图

但是在理解新的空间和环境、完成多项事情方面 , 现在的这些机器人表现糟糕 。
Hans说 , 想象一下 , 研究人员可以通过编程 , 让机器人拿起一杯咖啡、预测是否有灯光或者打开一扇门 , 但换一个其他场景 , 机器人就什么也不会了 。 要让机器人在人类生活和工作等非结构化和不可预测空间中发挥作用 , 机器人需要学习 。
Everyday Robots团队认为未来的机器人是可以自主学习的 , 可以在事物不断发生变化的日常环境中帮助人类 , 比如工作场所、医院、社区、家中等 , 并且能了解如何在已知和未知的环境中帮助人类完成更多任务 , 了解人类偏好 , 并在人们最需要帮助的时候伸出援助之手 。
03 软硬件结合 , 打造自主学习型机器人为了弥合当前单一用途机器人和未来辅助型机器人的差距 , 在过去几年中 , Everyday Robots团队一直在构建一个专门为机器人学习而设计的集成硬件和软件的系统 。 该系统任务是将机器人的学习过程从虚拟世界转移到现实世界 。
机器人的硬件主要有三个部分:轮子、手臂和传感器模块 。
Everyday Robots团队的机器人采用的是轮子而不是机械腿 , 轮子可以让机器人去到几乎任何地方 。
机器人的手臂系统可以用来完成多项任务 , 例如拾取物体、打开抽屉等 , 并且还是模块化的 , 可以根据任务需要添加和移除工具 , 像用于抓取的夹子 , 用于擦拭的刮刀 , 用于除尘的刷子等 。
为了了解周围世界 , 机器人还配备了一套集成摄像头、激光雷达、IMU和保险杠传感器的传感装置 , 可实时收集视觉和空间数据 , 并且还能处理颜色、深度、飞行时间和其他信息 , 便于机器人在探索周围环境时创建详细的环境地图 。
硬件允许机器人在现实空间中感知和移动 , 而软件使机器人能够适应现实生活的不可预测性 。
软件帮助机器人将其硬件系统收集到的数据转化为对环境的理解 。 通过监督学习 , 机器人可以分辨出那边的东西是一张桌子或是一个罐子 , 它看到的越多 , 其感知系统在分割和分类方面的表现就越好 , 使机器人能够区分越来越多的物体 。
在了解周围环境后 , 机器人的软件系统通过模仿学习和强化学习来帮助机器人完成新的任务 。
为了加速机器人学习进程 , Everyday Robots的机器人操作员团队通过演示、互动和实时反馈 , 给机器人提供指导 。
谷歌母公司聘了100多台机器人,扫地热菜擦桌子,还能自主学习

文章插图

此外 , Everyday Robots还采用了云模拟器Sim来帮助机器人练习新技能 。 Sim可以扩展创建几乎无限数量的环境和场景 , 具有高度的方差和随机化 , 从而使机器人学习所需的时间从几个月减少到几天 。
谷歌母公司聘了100多台机器人,扫地热菜擦桌子,还能自主学习

文章插图

除了在虚拟环境世界中使用最新的软件和机器学习模型测试和训练机器人 , Everyday Robots还在分阶段的环境中训练 , 以受控的方式在现实中练习任务 。
Hans说:“并且我们已经证明 , 我们可以在算法和机器人开门学习训练的基础上 , 将机器人应用于一项新任务——拉开咖啡馆的椅子 。 这一进展给了我们希望 , 即我们制造通用学习型机器人的登月计划成为可能 。 ”


特别声明:本站内容均来自网友提供或互联网,仅供参考,请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系,我们将在24小时内删除。