2024机器人领域两大关键词
最近李飞飞团队提成了一种全新概念数字表亲(digital cousin)。也许我们对数字孪生(digital twin)已然不陌生,并且这一概念已在很多工业场景中得到应用。
但什么是数字表亲?小编在前面中提到的大型数据集又是怎么样的一种表现形式?跟随我的步伐,我们一起深入浅出探讨下。
01
李飞飞团队认为,在现实世界中训练机器人的策略可能不安全、昂贵且难以扩展。仿真是一种廉价且潜在的无限训练数据来源,但存在仿真环境和现实世界环境之间的语义和物理差异。
并且基于数字表亲,该团队提出了一种用于自动创建数字表亲的全新方法,该方法就叫做自动数字表亲创建(Automatic Creation of Digital Cousins),简称 ACDC。
他们还提出了一种全自动的「真实→虚拟→真实」流程,可用于生成完全可交互的场景以及训练可以零样本方式部署在原始场景中的机器人策略。
02
最初在标题中提到的大型数据集,其原理就是通过收集用于抓取和堆叠等任务的各种数据集,机器人能够从这些数据中学习,以抓取和堆叠它们以前从未见过的具有挑战性的新奇物体。
「如何实现?」通过RoboTurk平台。该平台同样是由李飞飞团队打造,数据解释于18年的斯坦福大学论文“ROBOTURK: A Crowdsourcing Platform for Robotic Skill Learning through Imitation”。
RoboTurk平台简单来说是一个通过模仿进行机器人技能学习的众包平台。使用者可以通过移动设备或浏览器,根据自己的研究目的,用物理模拟器来创建任务,部署到云端,就可以在世界各地征集人类、创造数据集了。打破了时间、地域等一系列常规限制,缩短了时间上所产生的滞后性。
支持多个并发用户同时使用ROBOTURK
可通过手机应用程序访问网站
RoboTurk 支持从任何地方进行远程操作和数据收集
收集数据场景实验
在李飞飞团队所发布的物理机器人收集数据的场景实验中,其中就用到了Sawyer 机器人,为了实现RoboTurk平台的拓展,使其能够使用真实的机器人手臂进行数据收集,并进行远程操作来收集相关的操作数据。
任务是通过在杂乱的物品中搜索一组目标对象,并将它们放入特定的框中。在短短 1 周内,在 54 个用户的 3 项操作任务中收集了超过 111 小时的机器人操作数据,总共成功演示了 2000 多次。
收集数据展示
研究人员可以将RoboTurk应用于真实机器人,同时开发可以使用他们收集的数据来教授机器人低级技能的算法。
RoboTurk可以成为机器人技术领域的重要资源,帮助开发更先进,性能更好的机器人。
无论是18年提出的ROBOTURK,亦或是今年的数字表亲(digital cousin)概念,时间横跨6年,这是人形机器人训练场景多样化的一次重大跨越。
在某采访中李飞飞说过“我们离一个非常多样化的人工智能生态系统还很远,”
“我确实相信,多样化的人类智能将导致多样化的人工智能,并将为我们带来更好的技术。”
确实,也许我们还需要更多努力,才能造就一个更加人机和谐的生态圈。
文章部分内容引自斯坦福AI实验室博客、数字孪生体联盟等