人工智能占据了头条新闻，但机器人领域仍在对现实世界产生重大影响——这是我们对不断发展的行业的最新报道的简报。
在我们深入了解过去一周值得注意的机器人新闻之前，我们的常驻专家布莱恩·希特（Brian Heater）深入探讨了在美国和墨西哥边境巡逻时使用机器狗的争论。
正如他在本周的 Actuator 时事通讯中指出的那样，机器人行业在其硬件可能被用于更暴力的目的方面陷入了进退两难的境地：
“多年来，我在《Actuator》（我并不是Actuator的粉丝）中多次讨论过我对机器人武器化这一主题的立场，但我也理解这对许多人来说是一场微妙的对话。对于那些向政府出售武器系统的人来说，争论主要集中在这样一个观念上：如果我们不抢先这么做的话，其他人也会这样做。”
几十年来，学习一直是机器人技术的圣杯。如果这些系统要在不可预测的环境中蓬勃发展，它们需要做的不仅仅是响应编程，它们还需要适应和学习。我对人工智能了解得越多，与专家交谈的次数越多，我就越来越清楚地认识到，机器人学习确实需要结合多种方案。
而视频就是一种非常有趣的方案，最近，它是该领域许多工作的核心。大约去年的这个时候，我们重点介绍了 WHIRL（野外人类模仿机器人学习），这是一种由卡耐基梅隆大学开发的算法，旨在通过观看人类执行任务的记录来训练机器人系统。
能够向 YouTube 学习的机器人
本周，卡内基梅隆大学机器人研究所助理教授 Deepak Pathak展示了 VRB（视觉机器人桥），这是 WHIRL 的演变。与其前身一样，该程序使用视频内容来教机器人如何执行各种任务。但更新之后，它们不再需要它们所学习的人类在相同的环境中演示任务。
“我们正在以一种全新的方式使用这些数据集，”博士生 Shikhar Bahl 指出，“这项工作可以使机器人从现有的大量互联网资料和YouTube视频中学习。”
博士生 Shikhar Bahl 在一份声明中指出，“我们能够在校园里携带机器人并执行各种任务，机器人可以利用这个模型来好奇地探索周围的世界，并且机器人可以更直接地进行交互，而不是仅仅挥舞手臂。”
机器人正在观察一些关键信息，包括接触点和轨迹。该团队以打开抽屉为例，接触点是手柄，轨迹是打开的方向。“在观看了几个人类打开抽屉的视频后，”卡内基梅隆大学指出，“机器人可以确定如何打开任何抽屉。”
显然，并非所有抽屉的行为方式都相同，人类已经非常擅长打开抽屉，但这并不意味着偶尔出现的奇怪的橱柜不会给我们带来一些麻烦。改善结果的关键技巧之一是制作更大的训练数据集。卡耐基梅隆大学依赖于 Epic Kitchens 和 Ego4D 等数据库中的视频，后者拥有近 4000 小时的来自世界各地日常活动的以自我为中心的视频。
巴尔指出，目前，有大量潜在的训练数据档案等待观察。我们正在以一种新的、不同的方式使用这些数据集，这项工作可以让机器人从大量的互联网和 YouTube 视频中学习。
发布者：5840，转转请注明出处：https://www.5840.cn/lives/218.html
评论列表（0条）