用来挑选赢家的复杂得惊人的技术

本文首次发表于《宇宙周刊》2021年6月4。想了解更多这样的故事，每周订阅Cosmos。

C在我们之后训练一个机器人训练？最近，机器学习领域的一项突破可能会为这些最聪明的机器指明道路，让它们走向更有触觉的未来。

四月ABC携带一份报告关于一台新机器在塔斯马尼亚苹果园工作，帮助捡拾者 - 由于大流行封闭的边界，肩负着较少的人 - 肩负着负担。该机器而不是携带厚重的新鲜采摘的水果，而是从拾取器的手到储物箱提供传送带。这似乎是一件小事，直到你考虑每次伸手可及的时候都是10或15公斤的死者才能挑选另一苹果。即使这一点的帮助也使得工作更容易。

而那一点的套件标志着一个很好的改进，为什么我们没有看到一块电源设备，能够直接从树上挑选苹果？答案很简单 - 挑选并不像看起来那么容易。

触摸可能是我们最常被忽视的感觉(因为它很少会让我们失望)，它让挑选成为可能。你可以拿着一个板球、一个鸡蛋或一个苹果，本能地知道要给它施加多少压力，让它在你手中保持稳定。一套广泛的触觉和本体感受的感官（允许我们感受到我们的肌肉和联合位置的'第六种感觉）喂养这一意识，如果你甚至应该失去其中的一部分，你会发现自己丢球，碾碎鸡蛋，或瘀伤苹果。That back-and-forth between touch and muscle contraction gives us a grip that’s as strong or delicate as each situation requires, even without prior experience: you can pick up something you’ve never held before, and not make a complete muddle of it.

挑选并不像看起来那么容易。

所有这些“嵌入式”认知一直远远超出了任何机器人的能力。几十年来他们已经配备了爪子,扭力扳手等工具和演习,但总是严格的编程:移动工具正是如此这般的一个位置,操作钻到底这段时间,然后退出,等待几秒钟,做一遍。这在汽车装配线上运行得相当好，但在难以预测的情况下，比如一棵完全长大、满载的苹果树，这种程序化的能力不会提供任何有用的东西。

欢迎来到“采摘问题”，是最有趣的 - 最困难的一个 - 在世纪的机器人学中长篇故事。这是一个长期痴迷的问题Ken Goldberg博士，加州大学伯克利加利福尼亚大学的机器人计划主席。[完整披露 - 我一直是肯的朋友25年。]戈德伯格训练了一代机器人（和共同撰写儿童书籍与他的女儿）一直沿着他对他们对挑剔机器人的迷恋。结果，我们在历史上的流域时刻，当机器人终于得到了“足够好”时的一刻，挑选有用。

就像人类一样，对于机器人而言，采摘呈现出“感官集成”问题。试着在黑暗中捡起一些不知名的物体，你很快就会意识到，在捡起物体时，视觉和触觉或本体感觉一样重要。你必须能够看到苹果才能伸出援手，然后从树上捡起它。这意味着机器人需要良好的相机，但更重要的是，他们需要良好的图像识别系统，因此他们可以“理解”他们的相机看起来像：花，分支或水果。

---

秘密的感觉

我们有超过五种感官来感知世界。这里还有另外四种你可能不知道的，每一种都依赖于人体不同的神经、蛋白质和受体:

• Proprioception：知道你的肢体在哪里
• 平衡:平衡感
• 痛觉:疼痛感
• 热感觉:对温度的感觉

更多的这里。

---

在过去十年中，非常强大的计算机硬件和复杂的深度学习算法的汇合导致了图像识别的革命：显示一台物体的几百万图像，从几千个不同的角度，它可能会能够在野外识别它。（人类只需要看到一次或两次才能再次识别它的相同对象。这是留在所设计和发展能力之间的鸿沟。）

一旦机器人能够识别一个物体，它就必须试着伸手把它捡起来。机器人就像我们小孩子一样，通过尝试和失败来学习如何做到这一点。机器人会失败，失败，失败，失败，失败成千上万次，直到它从失败中吸取足够的教训，做出正确的选择。

试着在黑暗中捡起一些不知名的物体，你很快就会意识到，在捡起物体时，视觉和触觉或本体感觉一样重要。

您可能会忽略那种扩展的学习循环是足以给机器人拒绝墨水园的苹果，但树本身的有机性质比任何机器人都能处理更多的并发症。机器人可以通过分支的路径来实现到达苹果吗？机器人需要拉动释放苹果的努力？是否需要增加一个温柔的扭曲来捕捉它？它应该适用多少压力？这些复杂性，Goldberg争辩，将一个机器人Apple拣选程序放在拣选问题的解决方案的顶峰，而不是低悬挂的水果。

Goldberg和他的研究生最近透露了一种解决方案，极大地加速了采摘机器人的培训：将机器人放在模拟中。喜欢一些奇怪的反演矩阵，Goldberg的研究团队将他们的机器发送到人为世界DEX-NET 4.0，在这个环境中，他们控制着每个元素，他们可以让机器人通过模拟运行，速度远快于在现实世界中可能实现的速度。万倍。在现实世界中需要花费数小时甚至数天来学习避免的错误可以在几分钟或几秒钟内被克服。由于机器人要挑选的每一个物体都需要分别进行训练，训练时间上的巨大差异很快就会累积起来。

机器人会失败，失败，失败，失败，失败成千上万次，直到它从失败中吸取足够的教训，做出正确的选择。

所有这些都进入了创建创建的新机器人的设计，表示两边机器人该公司由戈德堡和他的一些学生共同创立。该公司的机器人被设计成自动完成装载货物的箱子或对随机物品进行分类的困难的“挑选和放置”任务，该公司承诺其“挑选速度”将远快于现有机器人，尽管还不能完全与人类进化的能力相媲美。

Ambi以及波士顿动态（令人毛骨悚然的制造商）等竞争对手和令人毛骨悚然的“Digidog”和新的“拉伸”机器人)，他们的眼睛牢牢地盯着一个大奖——在线订单履行的迅速增长的潜力。的人看到游牧民族他对亚马逊的“拾掇大军”的生活有着深刻的见解，为顾客的包裹收集所有的碎片。解决这个价值数十亿美元的问题，然后，有了一个可以抓取和学习的机器人，你就可以继续掌握世界。

半十年前，戈德堡指出为了完全失败的国内机器人作为该领域离开它的多少工作的标志。“你甚至无法在晚餐后清除桌子的机器人，”他评估了。“我们甚至不需要考虑的东西，但它仍然超出了任何机器人的能力 - 任何价格。”一旦他们离开仓库，这一新一代挑剔的机器人很快就会在我们之后捡起来。

本文首次发表于《宇宙周刊》2021年6月4。想要看到更多像这样的深入报道，请今天订阅我们的电子周刊，并可以访问我们的所有过期的《宇宙周刊》。