拉開“靈活”人工智能時代序幕 機器人有望跨越仿真—現實鴻溝

一個中型犬大小的“ANYmal”四足機器人。圖片來源:《自然》網站

奔跑、攀援、摔倒、爬起,對于野外動物來說,這些動作是與生俱來的本能。我們人類出生后,掌握這些動作的時間相對慢一些或者需要訓練,但作為彌補,我們擁有非常精細的手部運動技能,可以從容操作各種工具。

而眾所周知,無論是優雅地行走還是自然地抓取,機器人在這方面的表現一直不盡如人意,步態運動的協調性和機器手的靈巧度一直是業界難題。

但現在,情況正一點點發生變化。

據日前英國《自然》新聞與觀點文章稱,歷經幾十年,機器人終于在機器學習的幫助下,開始掌握自然地行走、奔跑和抓物的技能了。這一突破,被認為拉開了具有“物理靈活性”的人工智能時代的序幕,同時,開啟了一個“機器人自主時代”。

機器人“活得”比你想的要難

一個機器人的“生命”,是從仿真開始的。

機器人工程師們首先會看引導軟件在虛擬世界中是否表現良好,如果令人滿意,這個軟件就會被放進機器人體內,應用于物理世界。

但在物理世界中,看似很小的障礙都會讓機器人陷入困境,他們不可避免地遭遇“真實世界”帶來的無數巨大難題——那些無法預測的表面摩擦力、結構柔性、振動,以及機器人自身的傳感器延遲、致動器轉化不良等等,這一連串障礙,幾乎沒有一個能用數學模型提前假設。

過去幾十年來,工程師其實也在不斷嘗試通過基于預測性數學模型(經典控制論)的軟件,去引導機器人進行肢體活動。然而,這個方法在引導機器人肢體執行行走、攀爬和抓取不同形狀物體這類極為簡單的任務時,被證明無效。

機器人在仿真環境中即使再應對自如,進入真實的物理世界,也會如懵懂孩童般跌跌撞撞。

機器學習或能彌合仿真與現實差距

當人們已習慣機器人數十年如一日的蹣跚學步,科學家們卻突然點亮了希望。

日前,蘇黎世聯邦理工學院機器人系統實驗室團隊在《科學·機器人學》上發表最新論文,給出了新證據表明,運用數據驅動法設計的機器人軟件,有很大希望解決機器人學和人工智能研究長期面臨的巨大難題——仿真與現實之間的差距。

團隊演示的方法是將經典控制論與機器學習技術相結合。他們首先設計了一個四足機器人的傳統數學模型,并給機器人起名“ANYmal”。接下來,再從引導機器人四肢運動的致動器中收集數據,數據輸入多個人工智能神經網絡系統,從而建立了第二個模型。

這個機器學習模型,就可以自動預測“AMYmal”機器人的肢體運動。經過訓練的神經網絡,只要插入第一個模型中,就可以在電腦上仿真運行這個混合模型。

團隊發現這種利用數據驅動法設計的軟件,大大提高了機器人的運動技能——它速度更快,動作也更精準。而且先將運動策略在仿真器中優化,再轉入機器人體內在物理世界進行測試,最后機器人的表現,竟然和仿真表現一樣好。

混合模型是變革的第一步

這一成就,被認為是機器人及人工智能的一項重要突破,其預示著,曾經不可逾越的仿真與現實之間的差距正在被消弭。

其也預示著新一輪人工智能的重大變革,而混合模型,正是這場變革的第一步。之后,所有的分析模型都將面臨“下崗”。

通過機器人在現實環境中收集到的數據,訓練機器學習模型——這一方法也被稱為“端到端訓練”(end-to-end training)。其正緩慢但堅定地照進現實,在諸如關節式機械臂、多指機械手、無人機,甚至是無人駕駛汽車中得到應用。

或許不久的將來,機器人工程師將不必再“告訴”機器人如何走路、如何抓取,而是讓機器人利用自身收集得來的數據,進行自我學習。

不過,現階段其也存在一定挑戰。最重要的就是要優化可擴展性,以確定“端到端訓練”是否可以擴展用于引導擁有幾十個致動器的復雜機器,譬如類人機器人、制造工廠、智能城市這一類大型系統,進而用數字技術幫助人類切實地提高生活質量。

《自然》觀點文章稱,對人類來說,當腦中對未來行動的思路越清晰,這個人的自我意識能力也就越高。現如今,機器人已經在學習的路上更進一步,其不僅是一次具有實際意義的突破,讓某些工程性勞動得以解放,還標志著科學家們已開啟了“機器人自主時代”。(科技日報北京7月9日電)

福州麻将规则 99升级版北京时时开奖结果查询 快乐十分出号原理 天恒最新时时 重庆快乐十分破解软件 吉林时时开奖 大乐透开奖查询 大发快三猜单双app 陕西快乐十分开奖结果走 云南时时11选5走势 甘肃快3走势图带跨度