OpenAI新型機械手臂 不用教就能掌握人類的基本動作

本文由騰訊數碼獨家發布

用手抓東西是我們在嬰兒時期學到的第一件事，但這遠不是一種看起來那麼簡單的任務。而且隨著你的成長，它只會變得更加複雜和多變。這種複雜性對於機器人和機器手臂來說，更加難以學習。但由埃隆-馬斯克和山姆-阿爾特曼出資支持的OpenAI人工智慧公司的研究人員最近創造出了一種新系統，它不僅能像人類一樣持握和操縱物體，而且還能根據人工智慧技術自行開發不同的動作和行為。

許多機器人和機械手已經熟練掌握了某些握法或動作，最好的機器人在工廠里可以比一個普通工人更靈巧地揮舞生產工具。但是讓機器人完成這項任務的軟體和編碼很有可能是程序員手動編寫，並且都非常具體的針對某一應用程序設定。舉個例子，你不能給機器手臂它一支鉛筆，讓他編寫帶帽。即使是在同一條生產線上，比如焊接這樣的工作，也需要一種全新的系統。

然而對於一個普通人來說，拿起一個蘋果和拿起一個杯子並沒有什麼本質的不同。雖然蘋果和水杯有區別，但我們的大腦會自動填補差異和空白，我們可以即興發揮控制自己的握力，牢牢的握住一種我們不熟悉的物體。在這個領域，機器人和機械手臂的功能就嚴重落後於人類的功能。而且你不能僅僅訓練一個機器人去做一個人能做的某件事情，你必須提供數以百萬計的例子來充分展示機器人如何完成一個普通人握住成千上萬種不同物體的能力。

OpenAI的研究人員認為，解決方案根本並不是使用人類的數據。相反，他們讓電腦在模擬過程中反覆嘗試，慢慢地學習如何自動移動手指，使其掌握按照要求移動物體的任務。

研究人員將這套系統稱作Dactyl，該套系統提供了手指的位置和對物體的三個攝像頭視圖。但是要記住，當系統進行訓練時，所有這些數據都是在虛擬環境中進行模擬的。在那裡計算機不需要實時工作，它可以在幾秒鐘內嘗試上千種不同的方法來抓住一個物體，分析結果並將數據輸入到下一次嘗試中（不過這隻機械手本身就非常靈活，也比大多數機器人的手更複雜）。

除了不同的物體和構成需要學習的系統之外，還有其他的隨機參數，比如指尖的摩擦係數，場景的顏色和光線等也要考慮。也許我們不能模擬現實生活中的每一個方面，但是可以確保這套系統不僅僅在指定的藍色模擬房間內才能工作，在每個目標上都有一個特殊標記的立方體上。

研究人員在這個問題上投入了大量的計算硬體，包括6144個處理器和8個GPU，「在50個小時內收集了大約100年的經驗。」然後他們將這個系統首次應用到現實世界中，它展示了許多令人驚訝的類人行為。

GIF

我們在不經意間用手做的事情，比如把一個蘋果轉過來看看有沒有擦傷，或者把一杯咖啡遞給朋友時，需要用很多小技巧來穩定或移動物體。Dactyl重新創建了其中的幾個過程，例如用拇指和中指握住物體，而用剩下的手指將其旋轉到想要的方向。

這個系統的偉大之處在於它的運動的自然性，以及它們是通過反覆試驗而獨立完成的，它與任何特定的形狀或物體類型無關。就像人類一樣，Dactyl的確可以控制和操縱被放在它手裡的任何東西。

這種靈活性被稱為泛化，對於必須與現實世界交互的機器人來說，這一點很重要。對於世界上的每個物體和每種情況來說，手工編碼行為模式是不可能的，但是機器人能夠在依賴核心理解能力的前提下適應並填補這些空白。

來源：techcrunch

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！