Rossum的通用机器人的新标准
Aaron Dollar的办公室里悬挂着R.U.R.（Rossum的通用机器人）的海报，这部1920年的捷克戏剧催生了“机器人”一词的诞生。虽然戏剧描绘了一个机器人最终控制工厂并消灭人类的情景，但Dollar对机器人和人类的关系持乐观态度。
Dollar认为机器人将成为我们日常生活中的得力助手，比如帮忙布置餐桌或安装新书柜。要让机器人在家庭等非工业环境中工作，还需要技术上的重大突破以及全球机器人研究者的协同努力。尽管起居室被称为机器人的最新前沿，但机器人领域首先需要确立一种能让所有人达成共识的标准。
想象一下一个手提箱大小的箱子，里面装着77种工具，包括锤子、无绳电钻、垃圾桶等，甚至还包括九孔桩测试物品。这些看似普通的家庭用品可能代表着机器人标准化的未来，被称为Yale-CMU-Berkeley（YCB）对象和模型集。这个集合旨在为全球的机器人操作和假肢实验室提供一个通用的基准。
大约两年前，身为机械工程和材料科学副教授的Dollar就有了这个想法。他希望为机器人研究中的操作任务带来一定的特异性和普遍性。比如，现在的研究论文可能会描述“机器人手抓握锤子”这一特定任务，但是锤子的类型却千差万别，是一把大锤子还是一把小锤子呢？这就会导致问题，如果你在机器人实验室工作并试图重复这项研究时。而YCB集则能让每个人都在YCB规定的标准下进行实验，例如使用重23.45盎司的斯坦利锤子。
除了这些实物之外，该项目还提供了五个操作任务的示例（如将水从壶中倒入杯中或布置餐桌），并为每个示例设定了基准。该项目的网站还允许其他实验室通过提供自己的协议和基准来扩展这些任务。Dollar表示，当实验室按照自己的标准和协议单独工作时，通常会对实验室的特殊优势存在无意识的偏见。而通用标准将提供一种更公正的方法来评估结果。这样一来，机器人技术的未来发展将更加透明、公正和可预测。机器人的进化之路：从工厂到日常家庭
在预设的结构化环境中，例如出厂设置，机器人展现出了出色的表现能力。它们在这些环境中，执行着简单而重复的任务。Dollar表示：“在这些场景中，机器人在完全相同的地方面对完全相同的对象，编程让它们执行单一任务相对简单。”Dollar和其他机器人专家并不满足于现状，他们正致力于让机器人走出这些结构化环境，迎接更大的挑战。
上图展示的是一台机器人成功抓住电钻的场景，来源于耶鲁大学的分享。这台机器人的表现已经超越了简单的生产线任务。Dollar进一步说：“现在，机器人研究领域正专注于开发能在日常环境和家庭中工作的机器人，这可以被看作是装配线工作的另一种形态。”
历史告诉我们，标准是科技进步的关键。回想19世纪，时间的管理曾依赖于市政时钟。随着全球统一时间标准的建立（以及日益精确的原子钟的出现），我们迎来了个人GPS系统和无人驾驶汽车。同样地，人们在几个世纪前用手脚测量东西的长度和高度，后来世界标准化了测量单位。巴黎气候控制库中的金属棒，每个都是特定测量单位的标准承载体。而在今天，这些金属标准已经被基于光速的更精确标准所取代（这也涉及原子钟和时间的标准化）。
随着科技的进步，机器人也从简单的生产线任务逐渐走向复杂环境。它们不再仅仅是执行预设动作的机器，而是开始具备适应不同环境和任务的能力。可以预见，未来的机器人将在我们的日常生活中扮演更多角色，为我们带来更大的便利。这场科技的革命，正如时间的标准化一样，将深刻影响我们的生活，并开启新的时代。在某种意义上，77项框堪称机器人技术领域的巴黎金库或原子钟。如果能更有效地沟通并加速实验室的研究进展，我们或许能引领一个全新的时代。让机器人从装配线走进日常生活是一项巨大的挑战。Dollar博士专注于研究机器人的操作和抓握能力。
对人类来说，拿起一个叉子并使用它看似简单，但要让机器人执行这样的任务却需要复杂的科技。为了制造出能完成多种任务的机器人，各个实验室需要采用统一的标准，不再局限于各自的测量标准。这正是77项框的重要性所在。
机器人实验室可以轻松让机器人抓取和操作各种物体，但要推动研究进步，各实验室之间必须能够比较和评估各自的研究成果。想象一下，当新的机器人组件或设计理念被测试时，通过量化的评估，我们可以清楚地了解它的性能如何，与其他设计理念相比有何优劣。尽管Dollar博士的团队尚未实现YCB集的高级功能演示，但这并不代表他们没有取得进展。
机器人领域的专家表示，这种标准化工作将在不久的将来发挥重要作用。过去，这个领域的研究相对单一，缺乏复杂性，直到最近几年才从标准化中获益。随着集成系统的兴起，需要跨学科的协作才能创造出能够完成复杂任务的机器人，如收拾碗筷等。
哈佛大学的Robert Howe教授表示：“将机器人从实验室应用到现实世界中是一项艰巨的任务，人们很难理解机器人的能力和局限。在工厂环境中，一切都被严格设定和测试，但在家庭环境中，有各种各样的物品和情况，如何描述和比较机器人变得非常困难。Aaron的方法显示出巨大的潜力。”
图像展示了一对锅与铲，它们不仅是家庭生活的日常用品，更是机器人操作实验室的通用基准。各种形状和尺寸的锅铲，反映了大多数机器人的操作能力范围。这幅图片来源于耶鲁大学。
Howe对此指出，即使是看似简单的抓取动作，背后也需要高精尖工程的支持。设计机器人的手和手臂需要精细的工作，操作者还需要精细的控制。所有这些元素必须和谐地融合到一个系统中，确保机器人既快速又准确。他的实验室正在研究触觉感知技术，可能需要与计算机视觉专家合作。
Howe强调：“这就是YCB集的重要性所在。”现在，实验室可以对机器人在特定任务上的表现进行评分，甚至实验室之间可以展开友好的竞赛。
自从Dollar有了标准化的想法后，他的两位前机器人领域的同事也加入了这项研究，分别是来自卡内基梅隆大学的Siddhartha Srinivasa博士和加州大学伯克利分校的Pieter abbeel博士。他指导Berk Calli在实验室进行博士后工作，并负责这个项目。Calli是在2014年加入耶鲁的，他表示，长期以来，机器人技术的一个公认问题是缺乏重现性。他补充说，一篇文章只比较其他实验室的两个算法是非常罕见的。
Calli进一步说：“如果能用协议来比较他们的算法，那将是一个巨大的进步。在机器人的量化评估和比较上，从未有过这样的尝试。”
在科技前沿领域，标准化成为推动发展的关键驱动力。Calli指出，当前这个领域迫切需要一个共享的算法池，因为只有标准化的算法才能确保工作的顺利进行。因为在这个庞大的算法海洋中，我们面临着一个巨大的挑战：无法确定哪个算法将带来最佳性能。如果缺乏这样的标准化指引，研究工作便会陷入混乱和迷茫之中。
理想化的状态下，YCB集为我们提供了起点。它不仅为我们呈现了对象和示例任务，更为研究团队提供了一个宝贵的框架资源。这个框架位于YCB对象和模型集网站上，允许其他实验室在此框架之上进行操纵测试和基准的设定。这个开放平台让研究人员能够共享他们的协议，并在论坛中进行深入的讨论和交流。Dollar强调：“我们的目标是鼓励研究人员分享他们的协议，并鼓励大家利用这些协议共同推动科技进步。”
一幅引人入胜的图景正在展开：玩具飞机不仅是孩子们嬉戏的玩具，更是机器人编程组装的对象之一（图片来源于耶鲁大学）。为了筛选出合适的操作测试对象，研究人员深入梳理了机器人领域的众多论文，旨在了解哪些类型的项目在实际操作中最为常见。他们也深入市场寻找新的灵感源泉。在选择过程中，研究人员们更倾向于选择那些耐用且流通性强的物体作为测试对象，因为这些物体在未来不太可能发生显著变化。优先选择标准消费对象还可以降低成本，确保研究的经济效益。通过这样的方式，我们可以确保研究的可持续性和实用性，推动机器人技术的不断进步和发展。在分类物品的世界里，我们可以看到一系列多样化的对象。从食品组的谷物盒、Pringles芯片圆筒到垃圾桶，再到工具组中的小钉子、木块，乃至无绳钻子等不一而足。Aaron Dollar所研发的机器人手的目标，便是要能抓取这些尺寸各异、形状各异的物品。
有些物品，如盒子的几何形状简单，易于抓握，而对于一些复杂形状的物体，对机器人手来说则是一大挑战。这一系列的项目中，还包括基于任务的各种物品，例如“盒-块测试”——内含木制立方体的盒子、可组装拆卸的玩具飞机，以及乐高积木建筑结构件等。更有数字计时器的配备，用以测量某些任务的执行速度。
在成功创建了YCB集之后，Aaron Dollar与他的团队不遗余力地将其推广至更多的实验室。他们积极在国际机器人会议上宣传这一集合，并在2015年5月的IEEE国际机器人和自动化会议（ICRA）上首次亮相。令人鼓舞的是，他们的反响“非常积极”，并收到了大约50个实验室的集请求。目前，全球约有100个机器人实验室已经拥有YCB套件。
Dollar强调：“我们希望尽可能多的人使用YCB集，因为这是让YCB集发展的唯一方式。” 他深知推广的重要性，并坚信只有得到更广泛的应用，YCB集才能不断进化、完善。
南佛罗里达大学计算机科学与工程系的副教授Yu Sun，其实验室也是“幸运儿”之一。在今年10月的智能机器人和系统国际会议上，Yu Sun使用YCB集参加了比赛。他的实验室已经使用该集合生成了一些操作数据。
Yu Sun表示：“使用Aaron Dollar对象集的好处在于，其他人也能使用我们的数据集。因为他们有相同的对象，他们可以应用到自己的算法中。如果机器人所处的物理环境条件不同，其他机器人的数据集就无法直接应用。”这一观点进一步强调了YCB集的重要性和通用性，使得它能在各种机器人环境中得到广泛应用。