机器人的手可以轻松地操纵物体

只有一岁，婴儿比机器人更为灵巧。当然，机器可以做的不仅仅是拿起并放下物体，但我们并不是那么复制自然拉动到探索性或复杂的灵巧操纵。

OpenAI尝试了“Dactyl”(意思是“手指”，来自希腊单词daktylos)，使用他们的仿人机器人用软件解决魔方的立方体，这是一个迈向更多一般的软件AI.以及远离常见的单任务心态的一步。DeepMind创建了“RGB堆叠”，一个基于视觉的系统，挑战机器人学习如何抓取物品并堆叠它们。

来自麻省理工学院计算机科学和人工智能实验室(CSAIL)的科学家们创造了一个更大规模的框架:一个可以重新定位超过2000个不同物体的系统，机器人的手可以向上和向下。这种操纵任何东西的能力，从杯子到金枪鱼罐头，再到Cheez-It盒子，都可以帮助手以特定的方式和位置快速地拾取和放置物体，甚至可以将看不见的物体归纳到一起。

这种灵巧的“手工”——通常受到单一任务和直立位置的限制——可能是加快物流和制造业的资产，有助于解决常见的需求，如将物品装箱，或熟练操作更广泛的工具。该团队使用了一个24度自由的拟人化的模拟手，并证明该系统可以转移到真实的人身上机器人系统在未来。

麻省理工学院(MIT) CSAIL博士生、不可思议人工智能实验室(Improbable AI Lab)成员、该项目的首席研究员陈涛(Tao Chen)说:“在工业领域，平行颚式夹持器是最常用的，部分原因是它控制简单，但它在物理上无法处理我们在日常生活中看到的许多工具。”“即使使用一把钳子也很困难，因为它不能灵巧地来回移动一个把手。我们的系统将允许有多个手指的手灵活地操纵这些工具，这为机器人技术的应用开辟了一个新领域。”

帮我个忙

由于需要控制大量的电机以及手指与物体之间接触状态的频繁变化，这种类型的“在手”对象的重新定向在机器人技术中一直是一个具有挑战性的问题。有超过2000个物体，这个模型需要学习的东西很多。

当手朝下时，问题就更加棘手了。机器人不仅需要操纵物体，还需要绕过重力，这样它就不会掉下来。

该团队发现，一种简单的方法可以解决复杂的问题。他们使用了无模型的加强学习算法（意味着系统必须弄清楚与环境的交互函数的价值函数）深入学习，以及称为“教师学生”培训方法的东西。

为此工作，“教师”网络培训有关在模拟中轻松可用的对象和机器人的信息培训，但不在现实世界中，例如指尖或对象速度的位置。为了确保机器人可以在模拟之外工作，蒸馏出“教师”的知识，以便在现实世界中获得的观察结果，例如由摄像机，对象姿势和机器人的关节位置捕获的深度图像。他们还使用了“重力课程”，其中机器人首先在零重力环境中学习技能，然后缓慢地将控制器慢慢地使控制器变为正常的重力状况，这是在这种步伐采取事物时 - 真正提高了整体性能。

尽管看似违反直觉，但一个控制器(被称为机器人的大脑)可以在不知道形状的情况下，重新定位大量它从未见过的物体。

“我们最初认为，当机器人操纵物体时，视觉感知算法用于推断出物体的挑战是主要的挑战，”关于该研究的论文的作者，MIT教授Pulkit Agrawal说。“恰恰相反，我们的结果表明，人们可以学习塑造无关的强大控制策略。这表明视觉感知可能比我们习惯于思考的方式更重要，并且更简单的感知处理策略可能就足够了。”

许多小的圆形物体（苹果，网球，大理石），当用手面朝上下重新定位时，达到了百分百的成功率，以最低的成功率，不出所料，对于更复杂的物体，如勺子，螺丝刀或剪刀，更接近三十。

除了将系统带出野外，由于成功率随对象形状而变化，将来，团队指出，基于物体形状培训模型可以提高性能。