一個(gè)中型犬大小的“ANYmal”四足機(jī)器人。圖片來源：《自然》網(wǎng)站

奔跑、攀援、摔倒、爬起，對(duì)于野外動(dòng)物來說，這些動(dòng)作是與生俱來的本能。我們?nèi)祟惓錾�后，掌握這些動(dòng)作的時(shí)間相對(duì)慢一些或者需要訓(xùn)練，但作為彌補(bǔ)，我們擁有非常精細(xì)的手部運(yùn)動(dòng)技能，可以從容操作各種工具。

而眾所周知，無論是優(yōu)雅地行走還是自然地抓取，機(jī)器人在這方面的表現(xiàn)一直不盡如人意，步態(tài)運(yùn)動(dòng)的協(xié)調(diào)性和機(jī)器手的靈巧度一直是業(yè)界難題。

但現(xiàn)在，情況正一點(diǎn)點(diǎn)發(fā)生變化。

據(jù)日前英國《自然》新聞與觀點(diǎn)文章稱，歷經(jīng)幾十年，機(jī)器人終于在機(jī)器學(xué)習(xí)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(rèn)為拉開了具有“物理靈活性”的人工智能時(shí)代的序幕，同時(shí)，開啟了一個(gè)“機(jī)器人自主時(shí)代”。

機(jī)器人“活得”比你想的要難

一個(gè)機(jī)器人的“生命”，是從仿真開始的。

機(jī)器人工程師們首先會(huì)看引導(dǎo)軟件在虛擬世界中是否表現(xiàn)良好，如果令人滿意，這個(gè)軟件就會(huì)被放進(jìn)機(jī)器人體內(nèi)，應(yīng)用于物理世界。

但在物理世界中，看似很小的障礙都會(huì)讓機(jī)器人陷入困境，他們不可避免地遭遇“真實(shí)世界”帶來的無數(shù)巨大難題——那些無法預(yù)測(cè)的表面摩擦力、結(jié)構(gòu)柔性、振動(dòng)，以及機(jī)器人自身的傳感器延遲、致動(dòng)器轉(zhuǎn)化不良等等，這一連串障礙，幾乎沒有一個(gè)能用數(shù)學(xué)模型提前假設(shè)。

過去幾十年來，工程師其實(shí)也在不斷嘗試通過基于預(yù)測(cè)性數(shù)學(xué)模型(經(jīng)典控制論)的軟件，去引導(dǎo)機(jī)器人進(jìn)行肢體活動(dòng)。然而，這個(gè)方法在引導(dǎo)機(jī)器人肢體執(zhí)行行走、攀爬和抓取不同形狀物體這類極為簡單的任務(wù)時(shí)，被證明無效。

機(jī)器人在仿真環(huán)境中即使再應(yīng)對(duì)自如，進(jìn)入真實(shí)的物理世界，也會(huì)如懵懂孩童般跌跌撞撞。

機(jī)器學(xué)習(xí)或能彌合仿真與現(xiàn)實(shí)差距

當(dāng)人們已習(xí)慣機(jī)器人數(shù)十年如一日的蹣跚學(xué)步，科學(xué)家們卻突然點(diǎn)亮了希望。

日前，蘇黎世聯(lián)邦理工學(xué)院機(jī)器人系統(tǒng)實(shí)驗(yàn)室團(tuán)隊(duì)在《科學(xué)·機(jī)器人學(xué)》上發(fā)表最新論文，給出了新證據(jù)表明，運(yùn)用數(shù)據(jù)驅(qū)動(dòng)法設(shè)計(jì)的機(jī)器人軟件，有很大希望解決機(jī)器人學(xué)和人工智能研究長期面臨的巨大難題——仿真與現(xiàn)實(shí)之間的差距。

團(tuán)隊(duì)演示的方法是將經(jīng)典控制論與機(jī)器學(xué)習(xí)技術(shù)相結(jié)合。他們首先設(shè)計(jì)了一個(gè)四足機(jī)器人的傳統(tǒng)數(shù)學(xué)模型，并給機(jī)器人起名“ANYmal”。接下來，再從引導(dǎo)機(jī)器人四肢運(yùn)動(dòng)的致動(dòng)器中收集數(shù)據(jù)，數(shù)據(jù)輸入多個(gè)人工智能神經(jīng)網(wǎng)絡(luò)系統(tǒng)，從而建立了第二個(gè)模型。

這個(gè)機(jī)器學(xué)習(xí)模型，就可以自動(dòng)預(yù)測(cè)“AMYmal”機(jī)器人的肢體運(yùn)動(dòng)。經(jīng)過訓(xùn)練的神經(jīng)網(wǎng)絡(luò)，只要插入第一個(gè)模型中，就可以在電腦上仿真運(yùn)行這個(gè)混合模型。

團(tuán)隊(duì)發(fā)現(xiàn)這種利用數(shù)據(jù)驅(qū)動(dòng)法設(shè)計(jì)的軟件，大大提高了機(jī)器人的運(yùn)動(dòng)技能——它速度更快，動(dòng)作也更精準(zhǔn)。而且先將運(yùn)動(dòng)策略在仿真器中優(yōu)化，再轉(zhuǎn)入機(jī)器人體內(nèi)在物理世界進(jìn)行測(cè)試，最后機(jī)器人的表現(xiàn)，竟然和仿真表現(xiàn)一樣好。

混合模型是變革的第一步

這一成就，被認(rèn)為是機(jī)器人及人工智能的一項(xiàng)重要突破，其預(yù)示著，曾經(jīng)不可逾越的仿真與現(xiàn)實(shí)之間的差距正在被消弭。

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

通過機(jī)器人在現(xiàn)實(shí)環(huán)境中收集到的數(shù)據(jù)，訓(xùn)練機(jī)器學(xué)習(xí)模型——這一方法也被稱為“端到端訓(xùn)練”(end-to-end training)。其正緩慢但堅(jiān)定地照進(jìn)現(xiàn)實(shí)，在諸如關(guān)節(jié)式機(jī)械臂、多指機(jī)械手、無人機(jī)，甚至是無人駕駛汽車中得到應(yīng)用。

或許不久的將來，機(jī)器人工程師將不必再“告訴”機(jī)器人如何走路、如何抓取，而是讓機(jī)器人利用自身收集得來的數(shù)據(jù)，進(jìn)行自我學(xué)習(xí)。

不過，現(xiàn)階段其也存在一定挑戰(zhàn)。最重要的就是要優(yōu)化可擴(kuò)展性，以確定“端到端訓(xùn)練”是否可以擴(kuò)展用于引導(dǎo)擁有幾十個(gè)致動(dòng)器的復(fù)雜機(jī)器，譬如類人機(jī)器人、制造工廠、智能城市這一類大型系統(tǒng)，進(jìn)而用數(shù)字技術(shù)幫助人類切實(shí)地提高生活質(zhì)量。

《自然》觀點(diǎn)文章稱，對(duì)人類來說，當(dāng)腦中對(duì)未來行動(dòng)的思路越清晰，這個(gè)人的自我意識(shí)能力也就越高。現(xiàn)如今，機(jī)器人已經(jīng)在學(xué)習(xí)的路上更進(jìn)一步，其不僅是一次具有實(shí)際意義的突破，讓某些工程性勞動(dòng)得以解放，還標(biāo)志著科學(xué)家們已開啟了“機(jī)器人自主時(shí)代”。

(新媒體責(zé)編：wb001)