选择和收集一个苹果对人类来说很简单,但这个任务却困扰了机器人研究人员几十年。现在,感谢一位矩阵模拟训练模式,似乎终于触手可及了。
机器人可以被训练来收拾我们身后的东西吗?最近在机器学习方面的一项突破可能为这些最聪明的机器指明了通向更有触感的未来的道路。
四月的ABC携带报告关于在塔斯马尼亚的苹果园投入使用的一种新机器,帮助摘苹果的人——由于大流行封锁了边境,摘苹果的人少得多——承担起负担。这种机器提供了一条传送带,从采摘者的手中到仓库,而不是承载一袋新鲜采摘的水果。这似乎是一件小事,直到你想到,当他们每次伸手去摘一个苹果时,摆脱10或15公斤的沉重负担意味着什么。即使是一点点帮助也会让工作更容易。
虽然这个小工具标志着一个巨大的进步,但为什么我们还没有看到一件能够直接从树上摘苹果的农业设备呢?答案很简单——挑选并不像看上去那么容易。
触觉可能是我们最常被忽视的感官(因为它很少让我们失败),它使采摘成为可能。你可以拿着一个板球,或者一个鸡蛋,或者一个苹果,并且本能地知道在它上面施加适当的压力,使它在你的手中保持稳定。广义的触觉和本体感受的感官(一种让我们感知肌肉和关节位置的“第六感”)滋养了这种意识,如果你失去了哪怕是其中的一部分,你就会发现自己掉了球,压碎了鸡蛋,或碰伤了苹果。这种在触碰和肌肉收缩之间的来回切换,让我们可以根据每种情况的需要,掌握握力或握力的微妙程度,即使没有之前的经验:你可以拿起你从未拿过的东西,而不会把它弄得一塌糊涂。
所有这些“嵌入”的认知能力一直远远超出任何机器人的能力。几十年来,他们一直装备着钳子——或者扳手、钻头之类的工具——但一直严格按照程序操作:将工具移动到精确的某某位置,操作钻头刚好在这段时间内,然后收回,等待几秒钟,然后再重新操作。这在汽车装配线上工作得很好,但在难以预测的情况下,比如一棵完全生长并满载果实的苹果树,这种编程能力无法提供任何有用的东西。
欢迎来到“挑选问题”,在机器人的百年历史中,这是最有趣也最困难的问题之一。这是一个长期困扰人们的问题肯·戈德堡博士他是加州大学伯克利分校机器人项目的主席。坦白说——我和肯是25年的朋友了。戈德堡培养了整整一代机器人专家合作写了一本儿童读物和他的女儿),在这个过程中,他让他们感受到自己对挑剔的机器人的痴迷。因此,我们正处于该领域历史上的一个分水岭时刻,在这个时刻,机器人终于能够“足够好”地挑选出有用的机器人。
就像人类一样,对于机器人来说,采摘是一个“感官整合”的问题。试着在黑暗中捡起一些未知的物体,你很快就会意识到在捡东西时,视觉和触觉或本体感觉一样重要。你必须能够看到苹果,才能伸手把它从树上摘下来。这意味着机器人需要好的相机,但更重要的是,它们需要好的图像识别系统,这样它们才能“理解”它们的相机在看什么:花、树枝或水果。
秘密的感觉
我们有超过五种感官来告诉我们这个世界。下面是你可能还不知道的另外四种,它们都依赖于人体不同的神经、蛋白质和受体:
- 本体感觉:知道你的四肢在哪里
- 平衡感:平衡感
- 痛觉:疼痛的感觉
- 热觉:对温度的感觉
更多的在这里.
在过去的十年里,强大的计算机硬件和复杂的深度学习算法的结合导致了图像识别的革命:向计算机展示数百万张物体的图像,从几千个不同的角度,它可能能够在自然环境中识别出该物体。(人类只需要看到同一物体出现一两次,就能再次识别它。这就是设计能力和进化能力之间的鸿沟。)
一旦机器人能够识别一个物体,它就必须尝试伸手把它捡起来。机器人就像我们蹒跚学步的孩子一样,通过尝试和失败来学习如何做到这一点。机器人会失败、失败、失败、再失败数千次,直到它从失败中吸取足够的教训,才能把事情做好。
你可能会认为,这种延长的学习周期足以让机器人有足够的头脑,能够把果园里的苹果摘下来,但树本身的有机性质呈现出的复杂性是任何机器人都无法处理的。机器人能想出一条穿过树枝到达苹果的路吗?机器人需要多用力才能把苹果拉出来?需要轻轻拧一下把它折断吗?它应该施加多大的压力?戈德堡认为,这些复杂性使机器人摘苹果机成为解决摘苹果问题的最佳方案,而不是一个容易摘的水果。
Goldberg和他的研究生们最近揭示了一种可以大大加快采摘机器人训练速度的解决方案:将机器人置于模拟环境中。就像某种奇怪的倒置矩阵, Goldberg的研究团队将他们的机器送入了人工世界Dex-Net 4.0在这种环境下,他们可以控制每一个元素,在模拟中运行机器人的速度比在现实世界中可能要快得多。一万年倍.在现实世界中需要几个小时甚至几天才能学会避免的错误,在几分钟或几秒钟内就能克服。由于机器人必须选择的每一个单独的物体都必须分别进行训练,训练时间上的巨大差异很快就会累积起来。
所有这些都被用在了一个新机器人的设计上,表示两边机器人该公司由戈德堡和他的一些学生共同创立。该公司的机器人旨在自动化艰难的“拾取和放置”任务,如填充装运的箱子,或在随机物品的集装箱中进行分类。该公司的机器人承诺“拾取速度”远远快于现有的机器人,尽管还不能与人类进化后的能力相当。
Ambi公司和竞争对手波士顿动力公司(制造了令人毛骨悚然的“数字狗”和新型“拉伸”机器人),他们的目光牢牢地盯在一个大奖上——网上订单交付业务迅速增长的潜力。有人见过吗Nomadland已经深入了解了亚马逊人工拣放大军的生活,他们为顾客的包裹收集所有碎片。解决这个问题,价值数十亿美元,然后,有了一个可以抓握和学习的机器人,你就可以继续去抓世界。
五年前,戈德堡指出国产机器人技术的彻底失败表明这个领域还有很多工作要做。“你甚至不能让机器人在饭后清理桌子,”他评估道。“这是我们甚至不需要考虑的事情,但它仍然远远超出了任何机器人的能力——无论价格如何。”一旦它们离开仓库,这些挑剔的新一代机器人可能很快就会取代我们。
原创作者:宇宙作为挑选赢家的技术异常复杂
马克Pesce
Mark Pesce在网络上发明了3D技术,写了七本书,在ABC的“新发明家”节目中担任了七年的评委,在南加州大学和AFTRS建立了研究生课程,在悉尼大学获得荣誉任命,是the Register的多次获奖专栏作家,为IEEE Spectrum撰写了另一个专栏,是专业的未来学家和公共演说家。佩斯主持了获奖的“下一个十亿秒”和“澳大利亚创业公司本周”播客。