20分钟教会机器人一项家务能力

机器人技术 2025-01-12 14:32www.robotxin.com机器人技术

革新训练方式:Dobb-E系统在20分钟内教机器人做家务

家用机器人正在迎来一次技术革命。一种新的系统——名为Dobb-E的开源系统,现在能够在短短20分钟内教会机器人完成家务任务。这一进展为机器人领域带来了突破性的进展,解决了其最大的挑战之一:缺乏训练数据。

这个系统巧妙地将真实家庭环境中的数据应用于机器人训练。通过教授机器人执行一系列日常任务,如打开空气炸锅、关门或铺平靠垫等,Dobb-E展示了惊人的学习能力。与其他类型的人工智能如大型语言模型不同,机器人的训练数据不能从互联网上庞大的数据库中获取。这是因为机器人需要在真实世界中操作,而真实世界的数据收集更为复杂和具有挑战性。

实验室环境与家庭环境的差异巨大,使得训练机器人在真实家庭中执行任务变得尤为困难。为了解决这一问题,研究团队开发了一种简单且可重复的数据收集方法。他们利用iPhone的录像功能,将其安装在机械手上,录制完成各种任务的过程。

为了收集训练Dobb-E所需的数据,纽约的22户家庭参与了这项创新研究。这些家庭使用配备iPhone的机械手完成了多项任务,包括开关门和抽屉、控制灯光以及将纸巾放入垃圾桶等。这一过程中,iPhone的激光雷达系统、运动传感器和陀螺仪记录下了动作细节、深度和旋转的数据。这些数据对于训练机器人复制这些动作至关重要。

令人惊讶的是,在仅仅收集了13个小时的记录后,研究团队已经能够利用这些数据训练出一个人工智能模型。这个模型能够指导机器人如何执行各种任务。这一进展预示着家用机器人的未来充满了无限可能,我们即将迎来更加智能、更加便捷的家居生活。该模型运用了自监督学习技术,这种技术使得神经网络能够在未标记的数据中自行探寻规律,从而进行训练。

接下来,我们将聚焦于一款名为Stretch的商用机器人。它的构造包括轮子、高杆和可伸缩臂,灵活性极高。有趣的是,一部iPhone被巧妙地安装在3D打印支架上,并被连接到Stretch的手臂上,就如同在真实的机械臂上操作一样。

这款机器人在纽约的10个家庭里接受了为期30天的测试,共完成了109项家庭任务,总体成功率达到了惊人的81%。在完成任务的过程中,Dobb-E机器人展现出了强大的学习能力。通常情况下,它需要大约20分钟的时间来学习每一项任务。在前5分钟里,人类通过机械臂和iPhone进行示范,随后的15分钟是微调时间,这个过程中,系统会对比之前的训练和新的示范,持续优化自身的性能。

经过这样的微调后,机器人的功能就得到了极大的拓展。它可以轻松完成一些日常任务,如从杯子里倒东西、打开百叶窗和浴帘,甚至可以从架子上取下桌游盒。更令人惊奇的是,它还能连续快速地执行多个动作,比如将罐头放入回收袋中,然后提起袋子。这一切都得益于人工智能技术的强大和机器人的精心设计。

尽管有许多挑战,但科技的进步推动着我们向前。在机器人技术方面,一项创新研究带来了希望的光芒。对于家用机器人来说,这是一个里程碑式的时刻。

镜子和其他能反射光的物体可能会使某些机器人系统陷入困境,但研究人员正在克服这一难题。虽然对于需要高处拉重物的任务,如打开冰箱门,由于机器人的重心较低,风险较大而无法尝试,但科技的进步仍在不断推动着机器人能力的边界。

Hello Robot公司的联合创始人、佐治亚理工大学前副教授查理·肯普表示,这项研究代表着家庭机器人领域的实际进展。他称赞这项研究充满了创意和智慧,并认为家用机器人的未来已经来临。尽管他没有参与Dobb-E项目,但他对家用机器人的前景充满信心。

美国斯坦福大学的计算机科学助理教授Jiajun Wu也对此表示认同。尽管到目前为止,Roomba和其他机器人吸尘器是唯一真正成功的商用家用机器人,但开发能够完成更广泛任务的家用机器人更具挑战性。这正是Dobb-E研究所能帮助推进的事情。

纽约大学的研究团队已经将这个项目开源,他们希望其他人能够下载代码并帮助扩展Dobb-E机器人能够实现的任务范围。该团队的成员勒雷尔·平托表示,他们的目标是随着获取更多数据,使得装有Dobb-E的机器人未来进入一个新家时,无需再向其展示更多的例子。

家用机器人的未来充满了无限可能。随着科技的不断发展,我们期待着更多的创新和突破,让机器人在我们的日常生活中发挥更大的作用。这项研究为我们实现这个目标迈出了重要的一步。他展望的未来: "我们期望达到一个境界,届时无需再教导机器人学习新任务,因为它已经掌握了大多数家庭环境中的各项任务。"

作者介绍:丽亚农·威廉,是《麻省理工科技评论》的Download栏目主编,同时也是一位资深新闻记者。在踏入《麻省理工技术评论》的大门之前,她曾在i newspaper担任技术记者,也在《每日电讯报》有过科技记者的经历。她的才华得到了业内的广泛认可,曾入围2021年的英国新闻奖,并经常作为专家在BBC亮相。

本文背后的支持者:Ren。

上一篇:机器人新动态:技术革新与发展概览 下一篇:没有了

Copyright © 2016-2025 www.robotxin.com 人工智能机器人网 版权所有 Power by