众包：让机器人学习的更快更好

华盛顿大学计算机科学家最近展示了众包如何快速高效教育机器人完成任务。机器人将不再只是从一个人身上学习，而是有可能在更大范围的在线社区内，询问摆放餐具或者为花园浇水的最佳方法。

研究团队6月初在中国香港举行的2014 IEEE国际机器人与自动化大会上发表了这项研究成果。

“我们想开发一种方法，使机器人在遇到问题时，可以向整个世界寻求帮助。”华盛顿大学计算机科学和工程副教授，感觉运动神经工程中心主管Rajesh Rao说，“这种理论不仅可以使机器人和人一对一互动，而且可以从世界各地的人们身上学习。”

模仿学习已被证实有效的教育机器人完成任务的方法，但是需要花大量的时间。想象一下教育机器人如何使用洗碗机——可能需要花大量的时间教会机器人如何抓取不同类型的餐具和厨具，以及如何最有效地将它们放进机器里。

但是如果在教会机器人基本的步骤以后，剩下的交给在线社区来完成，那么它能够收集更多关于如何正确高效完成任务的数据。

“由于我们的机器人使用机器学习的技术，它们需要大量的数据来建立精确的任务模型。它们收集的数据越多，它们完成任务结果就越好。我们的解决方案是从众包获取数据。”华盛顿大学计算机科学和工程副教授Maya Cakmak说。

由Rao和Cakmak领导的研究团队还包括华盛顿大学计算机科学和工程的研究生Michael Jae-Yoon Chung和本科生Maxwell Forbes。研究团队设计了一项研究，利用在线众包社区以教育机器人搭建简单的模型——汽车，树木，乌龟，蛇等等用乐高彩色积木搭建的模型。然后再让机器人搭建类似的物体。但是只是基于参与者提供的少数几个模型，机器人不能完成这个任务。

为了得到更多关于建造模型的输入，机器人向众包求助。他们在Amazon Mechanical Turk（一个众包市场）上雇佣参与者，并建造类似汽车，树木，乌龟和蛇等的模型。每种形状都收集了超过100个的模型，机器人根据模型建造的难度，和原始模型的相似度以及在线社区的评级等，搜索其中的最佳模型。

机器人最后成功搭建了每种形状的最佳模型。

这种学习方式称为“目标导向模仿”，其利用机器人日益增长的能力去推断它们的操纵者的需要，在考虑了时间，难度等因素后，利用机器人想出完成目标的最好方法。例如，机器人可以“观察”人类搭建乌龟模型，推断所需的重要指标，然后在建造时重构模型，而且可能比初始模型更简单，以利于机器人的建造。

“最终的结果仍然是一个乌龟，但这是由机器人想出来的，而且和初始模型足够类似，所以它完成同样的目标。”Cakmak解释说。

研究对象通常会选择和初始设计最像的众包版本。总的来说，机器人的最终模型会比初始设计要简单——而且能够成功搭建这些模型，而这些在开始只有初始模型时是很难达到的。

研究人员将同样的想法应用到双臂机器人学习操作动作上。这次，使用者手动向机器人演示新动作。然后机器人推断一些它并不知道怎样进行这些动作的新场景。通过对动作的抽象，交互可视化，它向众包学习在新场景中实施这个动作的新方法。这项研究将在今年11月举办的人类计算与众包大会上发表。

布朗大学伍斯特理工学院，康奈尔大学的研究团队也在进行类似理念的研究，开发机器人使其可以能够通过众包学习新技能。

华盛顿大学的研究团队目前正在利用众包和在线资源教育机器人完成更复杂的任务，例如在多层的建筑物中找寻物品。研究者们预测，未来个人机器人将会和人类在线的联系更紧密，学习新的技能和任务以更好地在日常生活中协助我们。

这项研究由美国海军研究办公室和国家科学基金会资助。