伯克利和Deepmind前赴后继，只为教出会做家务的机器人？

时间：2020-06-14 来源：互联网阅读次数：

新年伊始，伯克利就传出新进展，他们教机器人做家务的能力更上一层楼了。在最新的论文中，伯克利介绍了他们是如何让机器学会读懂人类的潜台词或未尽之意，而不是傻乎乎地按照字面意思或者奖励系统来机械地运动。举个例子，当餐桌机器人上菜时，它会知道……

　　比如由伯克利设计、Rethink Robotics公司开发的家庭助手，叠一个毛巾就要15分钟；而加州 FoldiMate推出的智能洗叠机器，可以按照程序把衣服叠成需要的方块，但需要人手动放置在展台上，并没有节省多少人力，售价还高达980美金（约7000块人民币）……emmmm还是自己动手丰衣足食吧。

　　更重要的是，家务的操作环境比起工业机器人、电子游戏等，都更加松散，充满变化，任务的主观预期和隐藏含义更难界定和预测，无形中加大了训练难度。与此同时，家政任务的训练成本也比较低，也更容易为大众所理解，社会效益和营销价值双丰收。

　　比如在常规的“actor-critic”增强学习反馈机制中，主人要求机器人导航前往紫色的门，那么机器人就会选择最短路径（传统意义上的最优解），而忽略这么做会打碎路上的花瓶。

　　具体一点说，训练家政机器人，主要有一下三个方面的好处：

　　这样，大家恐怕就不难理解，为什家务会成为通用智能体成长道路上无法绕过的“垫脚石”了。

　　另外，家政任务是一个集视觉、触觉、运动、关节控制等为一体的任务，综合性很强，这是其他碎片应用不具备的环境，工业机器人维修，对训练多元功能协作的智能体很有帮助。

　　反正我看到这个新闻时，第一反应是机器人可真笨啊，这么简单的任务我两岁的小侄子都会做。第二反应是伯克利教机器人做家务的执念也未免太深了吧！

　　举个例子，当餐桌机器人上菜时，它会知道躲避酒柜，或者在停电等紧急情况下停止端盘子，而不是为了尽可能多地得到奖赏（端一个盘子系统会提供一个奖励），而马不停蹄地送盘子。甚至还可能直接把盘子打碎，这样就可以获得更多的“盘子”（奖励）了……

TAG: 只为家务 DeepMind 伯克利 前赴后继 教出会做

免责声明：本网部分文章和信息来源于互联网，本网转载出于传递更多信息和学习之目的。如转载稿涉及版权等问题，请立即联系网站所有人，我们会予以更改或删除相关文章，保证您的权利。

上一篇：Connected Robotics公司完成了8.5亿日元的A轮融资

下一篇：《北京市机器人产业创新发展行动方案（2019-2022）》正式发布