新闻 -沃尔玛完成对印度Flipkart 160亿美元投资
06-18
美国时间8月23日，《麻省理工科技评论》公布了第16期TR35榜单，该名单收录了全球35位35岁以下的年轻创新者。
各行各业的精英在创造力、毅力、和管理能力。
他们的创新领域涉及医疗、能源、计算机和先进电子设备；他们的职业阶段包括初创公司、研发机构、企业巨头。
他们都是各自领域的领军人物。
加州大学伯克利分校的机器人学教授谢尔盖·莱文（Sergey Levine）就是其中之一。
在今年3月的围棋人机大战中，谷歌人工智能AlphaGO击败了全球最优秀的围棋棋手李世石，让人深深感叹当今人工智能的强大。
当时，谢尔盖·莱文（Sergey Levine）在谷歌工作。
在这九个月的工作中，他见证了人工智能的胜利。
在欣赏AlphaGo在机器学习领域取得的成就的同时，他发现了这个强大的围棋算法的一个明显的缺点。
他开玩笑说：尽管他们（程序）可以打败世界上最好的围棋棋手，但他们自己却从来没有拿起过一颗棋子。
众所周知，机器人拥有强大的大脑，足够聪明，运算速度超快，可以完成人类无法完成的任务。
然而，它们也有一个缺点：一些人类最常见、最简单的动作（比如擦桌子、抓杯子等）对它们来说很难做到。
因此，对于他们顺利完成这些任务来说，学习能力非常重要。
谢尔盖·莱文正在做的是教机器人学习。
让机器人从经验中学习并自学成才。
在谷歌研究院，14个机械臂被放置在一起，连续几个月拾取不同的物品，包括重的、轻的、扁平的、大的、小的、硬的和软的物品。
，并且是半透明的。
这正是谢尔盖·莱文 (Sergey Levine) 团队正在研究的方向。
日复一日地拾取物品可能听起来很傻，但 Sergey Levine 觉得这种方法独特且有意义。
为了教会机器人完成一个动作，传统方法首先要求机器人识别并区分不同的物体，然后通过反复训练，最终可以达到目标。
这种方法非常适合教机器人完成简单的任务，例如拧上瓶盖，但训练过程漫长而乏味。
另外，该方法在面对复杂任务时效果并不明显。
Sergey Levine团队的方法与传统方法完全不同。
关键是将已经很优秀的图像识别和分类算法应用到机械臂上，让机器人能够借鉴以往的成功经验。
首先，莱文为机械臂设定了一些易于解决的目标（例如拧上瓶盖）。
完成后，机械臂可以回顾以前的成功案例并从中学习，以方便将来的任务。
同时，机器人观察视觉系统数据如何映射到机械臂的运动信号以正确完成任务。
此外，机器人还监督自己的学习过程。
之所以允许这14只机械臂日复一日地拾取不同的物品，是为了让它们能够学习不同物品的不同经验，并将这些经验运用到其他物品上。
莱文说：这是对机器本身行为的逆向工程。
这样，它就可以将学到的知识应用到后续的相关任务中，从而使机器人变得越来越聪明。
使用卷积神经网络“训练”机器人来教机器人拾取不同的物体实际上是非常复杂的，因为传感器数据和实际动作之间没有明显的必然联系，尤其是当大量传感器数据同时涌入时。
为了克服这个问题，Sergey Levine 的团队使用单目视觉伺服和深度卷积神经网络来预测抓取结果，让机械臂杂乱地拾取目标物体（例如杯子、胶带架和玩具海豚）。
机器人的卷积神经网络不断地重新训练自己（一开始多次失败，但逐渐开始变得更好）。
起初，团队并没有使用那么多机械臂。
后来，为了加快进程，团队投入了14个并??行的机械臂来研究这个问题。
这一系列的过程是完全自主的。
人类需要做的就是将盒子装满并打开电源，等待机器人主动完成任务。
经过一年的训练，手臂能够自行抓握和捡起小物体。
然而，机械臂的编程信息通常用于识别物体并根据预定程序做出反应，并不能像人类一样根据周围环境而变化。
那么问题来了：机械臂可以轻松处理可预测的物体和环境，但它们能抓取以前从未见过的物体吗？为了探索这一点，谢尔盖·莱文让机器人手臂伸进装满随机物体的盒子里，让它们根据运气随机抓取物体。
一天后，他收集了机器人尝试抓取物体的数据，然后利用这些数据训练神经网络，使抓取物体的结果更加理想。
经过80万次抓取操作（相当于机器人训练数小时）后，机械臂可以自动纠正其动作。
很快，他们就可以更顺利地抓住物体，甚至可以采取一些策略，例如推开一个物体来抓住另一个物体，或者抓住软物体而不是硬物体。
当机械臂执行所有这些任务时，没有程序员编写系统来告诉它们如何抓取物体，但它们可以从自己的经验中学习。
此外，他们还可以利用反馈回路将抓取物体的失败率降低至 18%。
现在，谢尔盖·莱文研究的机器人已经掌握了“抓取物体的神奇技能”。
然而，如果想要从实验室走向现实世界，并且能够轻松应对不断变化的环境、不同的目标、不同的照明条件以及不同程度的磨损，这些机械臂仍然需要长时间的“调校”。
时期。
”目前，Sergey Levine 计划将他们的研究扩展到更广泛的领域，并在实验室之外的各种其他现实环境中进行尝试。
我们希望这些机器人能够“学习一些东西”，成为更聪明、更有“灵魂”的机器人。
新智造是雷锋网旗下专注于机器人领域的子公司。
我们关注机器人的现状和未来，以及与机器人结合的相关产业。
版权声明：本文内容由互联网用户自发贡献，本站不拥有所有权，不承担相关法律责任。如果发现本站有涉嫌抄袭的内容，欢迎发送邮件 举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。
标签：
相关文章
06-18
06-17
06-18
06-18
最新文章
Android旗舰之王的过去与未来
智能手表不被开发、AR眼镜被推迟，Meta的产品经历了一波三折
为什么Cybertruck是特斯拉史上最难造的车？
更新鸿蒙3后，文杰允许你在车里做PPT了
新起亚K3试驾体验：追求“性价比”，韩系汽车仍不想放弃
阿维塔15登场！汽车配备了增程动力，理想情况下会迎来新的对手吗？
马斯克宣布创建 ChatGPT 竞争对手！ OpenAI的CEO给他泼了冷水， GPT-5可能会发生巨大变化
骁龙无处不在，是平台也是生态