Google发表了一项新研究，让机器人手臂不再需要人为设定固定的轨迹与姿势，而能自己从过去历史经验中学习，并透过观察环境自我校准后，从不同的视角抓取物体。Google使用了全新的深度网络架构，结合两个完全卷积网络以及一个短期记忆单元，让机器人能够在视觉上达到自我适应。
之所以人类可以从不同视角不同姿势操作物体，是因为从童年就透过操作各种物体学习，不断自适应并使用丰富的感官线索以及视觉作为错误修正的反馈，训练出优秀的视觉动作整合能力。而Google这个研究目的，便是要赋予机器人同样的能力，因为现行视觉控制机器人的物体操作能力，通常需要大量的人类介入，而且输入影像数据只能来自于固定的摄影机视角，但Google认为，让机器人拥有跟人类相似的视觉动作整合能力，将大幅提升机器人的实质功能，像是在紧急情况或是灾难现场进行救援。
要从未知视角的单一影像中，探索可控自由角度如何影响视觉动作，可能是一个模糊且范围广泛的问题，Google尝试进一步缩小问题，要识别在影像空间动作的行动影响，并成功执行被要求的任务，需要一个以过去动作记忆增强的感知系统。研究团队设计了一个具备7个自由度的机器人手臂，要让机器人以一张物体的图像，从一个完全不一样的视角，在一群物体中抓取图像中的物体。
Google提到，要收集机器人资料非常的困难且耗费时日，尤其这项训练数据还需要仿真复杂行为，因此Google决定使用仿真数据增加数据的多样性，仿真数据不只能够收集无限的机器人试验，而且还能随意的变换摄影镜头，当然他们也透过在机器人手臂周围安装多个摄影镜头，提供现实的训练数据。而且为了让机器人在未知的环境仍然拥有强健的视觉功能，他们采用领域随机化技术，让机器人在虚拟世界受训练，并将经验应用在现实世界中。
为了加强在未知环境中的应用，Google特别设计了一个深度神经网络，结合感知和控制训练进行端对端的模拟，但同时在需要时也允许独立学习，透过解构控制与感知，使机器人更能适应未知环境，由于两部分都能独立适用环境的小量数据，这样的设计让模型更加有效也更具弹性。
在这项研究的早期结果中显示，机器人手臂无论从各个角度，都可以抓取到视觉指引的物体，而另外的实验是在桌面上摆放两个物体以混淆机器人，要求机器人同样要从各种角度抓取指定物体，Google提到，虽然仿真网络具有良好的泛化能力，但由于网络的灵活架构，只有少量的静态可可视化数据能够可视化适用于控制器，进而提升了整体效能，即使在多样环境仍有良好的自我适应能力。
扫一扫
1043
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
