NVIDIA的研究人員開發(fā)了第一個可以教機(jī)器人僅通過觀察人類的行為來完成任務(wù)的深度學(xué)習(xí)系統(tǒng)。該方法利用合成數(shù)據(jù)來訓(xùn)練神經(jīng)網(wǎng)絡(luò)，是第一次在機(jī)器人上使用以圖像為中心的域隨機(jī)化方法。

來自NVIDIA的研究人員開發(fā)了一個基于深度學(xué)習(xí)的系統(tǒng)，該系統(tǒng)可以教機(jī)器人僅通過觀察人類的行為來完成任務(wù)。該方法旨在加強(qiáng)人與機(jī)器人之間的交流，同時進(jìn)一步研究如何使人類無縫地與機(jī)器人一起工作。這是第一個這樣的系統(tǒng)，研究由Stan Birchfield和Jonathan Tremblay領(lǐng)導(dǎo)。

“要想讓機(jī)器人在現(xiàn)實(shí)世界中執(zhí)行有用的任務(wù)，必須要能很容易地將任務(wù)傳達(dá)給機(jī)器人。這包括預(yù)期的結(jié)果以及任何關(guān)于達(dá)到該結(jié)果的最佳方法的提示?！毖芯咳藛T在他們的研究報告中指出?！巴ㄟ^演示，用戶可以將任務(wù)傳達(dá)給機(jī)器人，并向機(jī)器人提供如何以最佳的方式執(zhí)行任務(wù)的線索。”

研究人員使用NVIDIA TITAN X GPU訓(xùn)練了一系列神經(jīng)網(wǎng)絡(luò)來執(zhí)行與感知、程序生成和程序執(zhí)行相關(guān)的任務(wù)。結(jié)果顯示，機(jī)器人能夠通過觀察現(xiàn)實(shí)世界的單個演示來學(xué)習(xí)任務(wù)。

該方法的工作方式：一個攝像機(jī)被用來捕獲場景的實(shí)時視頻流，并且通過兩個神經(jīng)網(wǎng)絡(luò)實(shí)時地對場景中對象的位置和關(guān)系進(jìn)行推斷。由此產(chǎn)生的知覺被輸入到另一個網(wǎng)絡(luò)中，該網(wǎng)絡(luò)生成一個解釋如何重建這些感知的計(jì)劃。 最后，一個執(zhí)行網(wǎng)絡(luò)讀取該計(jì)劃并為機(jī)器人生成動作，同時考慮到當(dāng)前場景的狀態(tài)，以確保對外部干擾的穩(wěn)健性。

一旦機(jī)器人得到一個任務(wù)，它就會生成一個人類可讀取的關(guān)于重新執(zhí)行該任務(wù)所需步驟的描述。該描述讓用戶能夠在機(jī)器人執(zhí)行之前快速識別和糾正機(jī)器人對人類演示的解釋中的問題。

實(shí)現(xiàn)這種能力的關(guān)鍵是利用合成數(shù)據(jù)來訓(xùn)練神經(jīng)網(wǎng)絡(luò)。目前訓(xùn)練神經(jīng)網(wǎng)絡(luò)的方法需要大量有標(biāo)記的訓(xùn)練數(shù)據(jù)，這對這類系統(tǒng)來說是一個瓶頸。通過合成數(shù)據(jù)生成，不用太費(fèi)力就可以生成幾乎無限的標(biāo)記訓(xùn)練數(shù)據(jù)。

這也是第一次在機(jī)器人上使用以圖像為中心的域隨機(jī)化方法。域隨機(jī)化（domain randomization）是一種產(chǎn)生大量多樣性的合成數(shù)據(jù)的技術(shù)，然后愚弄感知網(wǎng)絡(luò)將真實(shí)世界的數(shù)據(jù)看作是其訓(xùn)練數(shù)據(jù)的另一種變體。研究人員選擇以圖像為中心的方式處理數(shù)據(jù)，以確保網(wǎng)絡(luò)不依賴于攝像機(jī)或環(huán)境。

研究人員說：“如描述所示，這個感知網(wǎng)絡(luò)適用于任何固態(tài)的現(xiàn)實(shí)世界物體，這些物體可以通過其3D邊界立方體（bounding cuboid）來模擬?！薄氨M管訓(xùn)練過程中從未觀察到真實(shí)的圖像，但感知網(wǎng)絡(luò)能夠在真實(shí)圖像中可靠地檢測到物體的bounding cuboid，即使在有嚴(yán)重的遮擋的情況下也是如此?！?/p>

在他們的演示中，研究團(tuán)隊(duì)用幾個彩色積木和一輛玩具汽車訓(xùn)練目標(biāo)檢測器。系統(tǒng)被教授“塊”（blocks）的物理關(guān)系，不管這些“塊”是堆疊在一起還是彼此相鄰放置。

在上面的演示視頻中，人類操作員向機(jī)器人展示了一組立方塊。系統(tǒng)然后推斷一個適當(dāng)?shù)某绦虿凑_的順序?qū)⒘⒎綁K正確地放置好。因?yàn)樗趫?zhí)行過程中會考慮當(dāng)前世界的狀態(tài)，因此系統(tǒng)能夠?qū)崟r地從錯誤中恢復(fù)過來。

研究人員將在本周于澳大利亞布里斯班舉行的機(jī)器人與自動化國際會議（ICRA）上發(fā)表他們的研究論文和工作。

該團(tuán)隊(duì)表示，他們將繼續(xù)探索使用合成訓(xùn)練數(shù)據(jù)進(jìn)行機(jī)器人操縱，以將他們的方法擴(kuò)展到其他場景。