一直以来智能机器人总是以模仿人类为出发点去开发，也是人工智能不变的方向，从声音到步态，从协调性与灵敏度，都是业界难题。但是通过机器学习，这样的难题或许能被改善。
不论是呼唤同伴，低沉咆哮还是奋力追赶、摔倒、爬起，这些对于自然界的生物来说都是与生俱来的本能。而众所周知，优雅地行走还是自然地抓取，机器人在这方面的表现一直不尽如人意，步态运动的协调性和机器手的灵巧度一直是业界难题。
但现在，情况正一点点发生变化。
据日前英国《自然》新闻与观点文章称，历经几十年，机器人终于在机器学习的帮助下，开始掌握自然地行走、奔跑和抓物的技能了。这一突破，被认为拉开了具有“物理灵活性”的人工智能时代的序幕，同时，开启了一个“机器人自主时代”。
机器人“活得”比你想的要难，一个机器人的“生命”，是从仿真开始的，例如在软件层面中的语音系统也是工程师堆堆砌的算法，然后植入到系统软件之中达成的，从最初的声纹模仿，语音修改，到后来人机对话，甚至是最近很多企业广泛使用的电话机器人好不好用问题的解决，都是通过模仿开始的。而把机器人从软件层面移植到硬件层面中就需要工程师们首先会看引导软件在虚拟世界中是否表现良好，如果令人满意，这个软件就会被放进机器人体内，应用于物理世界。
但在物理世界中，看似很小的障碍都会让机器人陷入困境，他们不可避免地遭遇“真实世界”带来的无数巨大难题——那些无法预测的表面摩擦力、结构柔性、振动，以及机器人自身的传感器延迟、致动器转化不良等等，这一连串障碍，几乎没有一个能用数学模型提前假设。
过去几十年来，工程师其实也在不断尝试通过基于预测性数学模型（经典控制论）的软件，去引导机器人进行肢体活动。然而，这个方法在引导机器人肢体执行行走、攀爬和抓取不同形状物体这类极为简单的任务时，被证明无效。
机器人在仿真环境中即使再应对自如，进入真实的物理世界，也会如懵懂孩童般跌跌撞撞。
机器学习或能弥合仿真与现实差距
当人们已习惯机器人数十年如一日的蹒跚学步，科学家们却突然点亮了希望。
日前，苏黎世联邦理工学院机器人系统实验室团队在《科学·机器人学》上发表最新论文，给出了新证据表明，运用数据驱动法设计的机器人软件，有很大希望解决机器人学和人工智能研究长期面临的巨大难题——仿真与现实之间的差距。
团队演示的方法是将经典控制论与机器学习技术相结合。他们首先设计了一个四足机器人的传统数学模型，并给机器人起名“ANYmal”。接下来，再从引导机器人四肢运动的致动器中收集数据，数据输入多个人工智能神经网络系统，从而建立了第二个模型。这个机器学习模型，就可以自动预测“AMYmal”机器人的肢体运动。经过训练的神经网络，只要插入第一个模型中，就可以在电脑上仿真运行这个混合模型。
团队发现这种利用数据驱动法设计的软件，大大提高了机器人的运动技能——它速度更快，动作也更精准。而且先将运动策略在仿真器中优化，再转入机器人体内在物理世界进行测试，最后机器人的表现，竟然和仿真表现一样好。
混合模型是变革的第一步
这一成就，被认为是机器人及人工智能的一项重要突破，其预示着，曾经不可逾越的仿真与现实之间的差距正在被消弭。
其也预示着新一轮人工智能的重大变革，而混合模型，正是这场变革的第一步。之后，所有的分析模型都将面临“下岗”。
通过机器人在现实环境中收集到的数据，训练机器学习模型——这一方法也被称为“端到端训练”（end-to-end training）。其正缓慢但坚定地照进现实，在诸如关节式机械臂、多指机械手、无人机，甚至是无人驾驶汽车中得到应用。
或许不久的将来，机器人工程师将不必再“告诉”机器人如何走路、如何抓取，而是让机器人利用自身收集得来的数据，进行自我学习。
不过，现阶段其也存在一定挑战。最重要的就是要优化可扩展性，以确定“端到端训练”是否可以扩展用于引导拥有几十个致动器的复杂机器，譬如类人机器人、制造工厂、智能城市这一类大型系统，进而用数字技术帮助人类切实地提高生活质量。
《自然》观点文章称，对人类来说，当脑中对未来行动的思路越清晰，这个人的自我意识能力也就越高。现如今，机器人已经在学习的路上更进一步，其不仅是一次具有实际意义的突破，让某些工程性劳动得以解放，还标志着科学家们已开启了“机器人自主时代”。
阅读(741) | 评论(0) | 转发(0) |
