search
想讓機器人更快更好的掌握抓取技術?給它們找個喜歡不停搗亂的陪練吧

想讓機器人更快更好的掌握抓取技術?給它們找個喜歡不停搗亂的陪練吧

300 + 明星創業公司,3000 + 行業人士齊聚全球人工智慧與機器人峰會 GAIR 2017,一 同見證 AI 浪潮之巔!峰會搶票火熱進行中。悄悄提醒一句,文末有讀者專屬福利!

雷鋒網按:為了提升機器人完成操作任務(如抓取)的能力,卡耐基梅隆大學(CMU)和谷歌的研究人員讓機器人通過對抗訓練來不斷進步。在訓練中,「敵方」 機器人會試圖阻礙另一台機器人抓取物品(就像功夫熊貓中阿寶和師傅用筷子搶包子)。當然,研究人員還準備了更高難度的訓練項目,他們有時會讓同一個機器人的兩隻機械臂直接玩 「左右互搏」,讓一隻機械臂阻止另一隻抓取物品。

你知道在機器人研究中什麼最無聊和乏味嗎?當然是訓練它們抓取不同的物品。現在有了 AI,研究人員再也不用看著這些 「傻孩子」 學習了,在自監督學習模式下,機器人會通過不同的方式不斷嘗試抓取物品。不過,這一過程可能要花費數千小時,而且即使機器人大致掌握了抓取的技巧,它也很難理解什麼才是最棒的抓取方式。

這種訓練方式的問題在於,大多數時間這些技術都在利用最基本的感測器來看待抓取的動作,這樣的視角過於二元化,它們只在乎機器人是否拿起了目標物體,只要拿起來就算成功。不過,在現實世界中抓取是否成功可不是這個標準,因為不穩定的抓取會讓物體墜落的可能性增大。此外,如果讓機器人抓起一個盛了湯的碗,現有的粗暴抓取法肯定不可取,畢竟現實世界不是實驗室。

出於這一考慮,CMU 和谷歌的研究人員決定將博弈論和深度學習用在機器人的訓練中,而他們用到的方法就是開頭提到的 「搗亂法」,一台機器人會想方設法讓對手無法抓起目標物體。

上周,該項目參與者 Lerrel Pinto、James Davidson 和 Abhinav Gupta 在 ICRA 展示了他們的研究成果,研究人員將這種對抗的方法描述為 「雙人零和重複博弈法」(零和博弈來自著名的博弈論)。在互相 「拆台」 的戰鬥中,雙方都用到了卷積神經網路,一方會專註於抓取物品,另一方則要阻止對方抓取物品。

在訓練中,一心要抓取物品的機器人不但要躲過對方不斷襲來的 「黑手」,還要處理重力、慣性和摩擦力等因素帶來的影響。如果想進一步提升機器人的抓取能力,還可設定抓到物品機械臂就會搖晃幾下的壞招(希望抓娃娃機老闆不要學會這一招)。這樣一來,加上另一隻不停搗亂想要搶奪物品的機械臂,機器人的抓取能力就能提升到新的境界。

如果搗亂的機械臂成功打掉或搶走負責抓取機械臂手中的物品,那麼這次抓取任務就算失敗,在訓練過程中抓取程序會不斷從失敗中吸取教訓。與此同時,負責搗亂的程序則會從成功中找到新的法門,兩者會在 「嬉戲打鬧」 中共同進步。這也是該項目具有重大現實意義的原因,機器人要想走出實驗室,必須保證能在挑戰不斷的環境中不犯錯。

一台機器人試圖從對手那裡奪下抓取的物品

研究人員表示,他們的對抗策略確實能加快機器人的訓練進程,這種方法培養的系統更加強大。經過測試,三次迭代后,其抓取成功率從 43% 升到了 58%,而沒有採用對抗策略訓練的機器人,抓取成功率僅為 47%。

該結果可以清楚的表明,有個給機器人 「拆台」 的夥伴監督和陪練,作用可比傻乎乎的搜集抓取數據大多了。雷鋒網 () 注意到,研究人員公布的測試數據顯示,6 千次的陪練后,機器人的抓取成功率比機器人自己單練 1.6 萬次都要高。因此,對抗策略在機器人訓練中明顯更有優勢。

經過一段時間的訓練后,有陪練的機器人抓取成功率提升到了 82%,而沒有這個待遇的機器人成功率僅為 68%。更令人驚訝的是,即使降低抓取機器人的力量和抓手的摩擦力,其成功率依然有 65%,而採用單練策略的機器人則下滑至 47%。

在這一過程中,研究人員也使盡了自己 「一肚子壞水」,他們專門觀摩了單練機器人容易失誤的地方,並將這些破綻編入了搗亂機器人的程序中。同時,在訓練中搗亂機器人不斷的搶奪也是物品掉落的重要因素。當然,只有經歷了這樣的魔鬼訓練,抓取機器人才能練出一身技藝。

Via. Spectrum.ieee 雷鋒網編譯

為了感謝各位讀者的支持,雷鋒網將不定期送出 CCF-GAIR 大會門票 。活動規則:分享以下海報到朋友圈並邀請好友點贊,將截圖發到雷鋒網微信後台,我們將給獲贊最多的讀者送出一張 CCF-GAIR 大會門票。本日活動截止明天晚上 10 點(6 月 11 日)。

本文由 一點資訊 提供 原文連結

寫了5860325篇文章,獲得23095次喜歡
熱門推薦
精彩推薦