“只能做两件事”：机器人无需训练即可清理

机器人擅长某些任务。 例如，它们擅长拾取和移动物体， 他们甚至在烹饪方面做得越来越好。 但是，虽然机器人可以在实验室中轻松完成此类任务，但在缺乏可用数据的陌生环境中训练它们是一个真正的挑战。

广告

借助名为 OK-Robot 的新系统，机器人现在可以学习在以前未知的地形中拾取和移动物体。 这种方法可以弥合快速改进的人工智能模型和机器人实际能力之间的差距。 这意味着他可以避免额外的、昂贵的、复杂的训练。

为了开发该系统，纽约大学和 Meta 的研究人员测试了一款名为 Stretch，来自 Hello Robot 公司。 它结构简单，由轮子、高杆和伸缩臂组成。 它被用于五套公寓的总共十个房间， 正如研究人员在其出版物中所述，该出版物尚未经过同行评审。

机器人如何认识太空

为了了解各自的房间，研究人员首先带着机器人走进去。 然后，研究人员必须使用 Record3D（一款使用手机激光雷达系统的 iPhone 应用程序）来捕捉环境，以捕捉 3D 视频。 他能够将其传输给机器人。

然后，OK Robot 系统在视频帧上运行开源人工智能对象识别模型。 与其他开源模型相结合，这有助于机器人识别房间里的物体，例如玩具龙、一管牙膏和一包扑克牌。 但房间里作为“目标位置”的物体也可以通过这种方式被识别：比如椅子、桌子和垃圾桶。

然后任务是这样的：团队指示机器人拾取特定物体并将其带到新位置。 机器人的钳臂成功地完成了这一任务，成功率为 58.5%。 在不太凌乱的房间里，成功率上升到 82%。

最近的热潮 人工智能 参与该项目的谷歌 DeepMind 高级图像处理科学家 Matthias Minderer 表示，它带来了语言和图像处理能力的巨大飞跃，使机器人研究人员能够获得三年前还不存在的开源人工智能模型和工具。 。

“我想说，完全依赖标准模型是很不寻常的，让它们发挥作用是相当令人印象深刻的，”他说。 “我们经历了机器学习领域的一场革命，这使得创建不仅可以在实验室工作而且可以在野外工作的模型成为可能，”Minderer 补充道。 “看到它在现实环境中实际工作是非常有用的信息。”

“他只知道这两件事”

然而，由于研究人员使用的模型并非针对该特定项目量身定制，因此出现了僵局。 如果机器人没有找到它正在寻找的物体，它就会停下来，而不是寻找解决方案。 这一重大限制是机器人在更整洁的环境中更有可能取得成功的原因之一——物体越少意味着混乱的机会越少，导航空间也越清晰。

使用现成的开源模型既是福也是祸，说 勒雷尔·平托纽约大学计算机科学助理教授，该项目的共同领导者。

“积极的一点是，你不必在环境中为机器人提供任何额外的训练数据，它就可以正常工作，”他说。 “缺点是他只能拿起一件物品并将其放在其他地方。你不能要求他打开抽屉。因为他只能做这两件事。”

将 OK-Robot 与语音识别模型相结合，研究人员只需与机器人交谈即可发出指令。 共同领导这项研究的纽约大学研究生马希·沙菲拉 (Mahi Shafiullah) 表示，这将使他们更容易利用现成的数据集进行实验。

“在里面 [Robotik-]他说：“社区里有一种感觉，房子很难，机器人也很难，房子和机器人的结合是完全不可能的。我认为，一旦人们相信家用机器人是可能的，它就会在这个领域出现”这一领域将会有更多的研究。”

（ETC）