CMU科学家们带一群机器人开房,并收集了28,000种不同的姿势

机械栗 发自 凹非寺 量子位 出品 | 公众号 QbitAI

来自卡耐基梅隆大学 (CMU) 的四个科学家,在一篇论文里说,他们带着一群机器人去住Airbnb了。

也不知道,近来忙于应付纽约市政府的Airbnb,能不能感受到这一缕清风。

回归正片,研究人员自然不是请机器人去度假。

他们觉得,机器人常年待在实验室里,生活场景很单调,和现实也有差距。

这样的话,训练出来的技能,很难推广到真实世界里去。

只能在实验室做任务的机器人,也不是CMU的人类们想要的。

“经济适用”机

团队决定,让机器人参与更多的实战,培养它们泛化能力。

于是,人们先造了一批“便宜”的机器人,就是把Dobot Magician机械臂改造了一下——

加上了双轴手腕两指电动夹具,还有移动底座

传感器方面,配置了英特尔R200 RGB摄像头,以及帮摄像头转脖子的云台。

至于机器人的大脑,笔记本而已,CPU是i5-8250U,RAM有8G。

研究人员说,每台“只要”三千美元,比别的 (两万美元的) 机器人经济多了。

“经济适用”房

然后,带机器人去开房。

仔细选择的不同环境

研究人员先在Airbnb上,开了六套房,是收集真实数据用的。

就像刚才说的,只用实验室环境里的数据来训练,就不是真正的训练。

他们用Yolo模型做物体检测,然后用“Robust-Grasp (鲁棒抓取) ”神经网络结构 (详见下文) ,来算出最佳的抓取姿势。

就这样,一共收集了28,000种不同的姿势。

自制的数据集,取名为Home-LCA,后面三个字母,指的是“便宜的机械臂”。

机智的决策

刚才,简要登场的“Robust-Grasp”神经网络,就是机器人做出机智抓取决策的关键。

结构分成三部分——

一是抓取预测网络 (GPN) ,这里用的是训练好的ResNet-18。吃进像素图 (Pixel Imagery) ,再决定用什么姿势抓取。

不过,用了便宜的机器人,收集的数据会有很多噪音,所以……

二是噪音建模网络 (NMN) ,根据场景图像机器人获取的信息这两组数据,把噪音分离出去。

三是边缘化层 (Marginalization Layer) ,把两股数据流结合起来,以便给出更好的决策。

团队用自制的Home-LCA数据集,训练了这个网络,也用两个实验室数据集做陪练,看哪边效果好。

实战派vs温室派

训练完成之后,研究人员又在Airbnb上面,另外开了3套房,作为赛场。

所以说,赛前谁都没有到过这些地方。

不知文中为何只有两间测试房的照片

真正的抓取比赛开始了,参赛双方分别是:

实战派,用Home-LCA训练的AI。

温室派,用Lab-Baxter训练的AI。

三个新房子

同在陌生的环境里,抓取陌生的物体,实战派机器人的成功率远远超过温室派。

这并不意外,毕竟在那之前,选手们还进行了另外一项比赛——

机器人做随性抓取,AI来预测能不能抓取成功 (依靠位置和角度) 。

横向对比,当训练集与测试集来源不同,便知其泛化能力

结果,用Home-LCA数据集训练的模型,在接受其他两个数据集的测试时,预测正确率并没有明显差异,一直保持在70%上下 (见第3、5行) 。

而用Lab-Baxter和Lab-LCA数据集训练的模型,换其他数据集测试,预测正确率便会从70%左右,下降至55%左右 (见第1、2、4行) 。

占卜婆婆

也就是说,实战派处变不惊,泛化能力稳胜一筹。

野生,野长

果然,从模型训练开始,就不能对机器人太温柔。

不管是在模拟器里修炼的机器人,还是用实验室数据喂养的机器人,都容易对外界的艰险适应不能

到外面去吧

采集真实世界的数据,来训练机器人的实际操作技能,它们便不会被困在实验室里,寸步难行。

大概,这就是CMU在机器人能力的泛化上,为同仁们提供的一个思路吧。

论文传送门:

https://arxiv.org/pdf/1807.07049.pdf

原文发布于微信公众号 - 量子位(QbitAI)

原文发表时间:2018-07-28

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏UAI人工智能

强化学习Reinforcement Learning被MIT Technology Review列入 2017 年十大技术

16330
来自专栏专知

【NIPS2017】深度学习真的不需要理论指导了?图灵奖得主讲座无人问津,贝叶斯之父Judea Pearl落寞身影背后引人深思

【导读】最近NIPS 2017 "Test of Time"论文大奖获得者Ali Rahimi 在长滩现场的演讲中把机器学习称为“炼金术”(Alchemy)引起...

37770
来自专栏企鹅号快讯

深度学习真的不需要理论指导了?图灵奖得主讲座无人问津,贝叶斯之父Judea Pearl落寞身影背后引人深思

【导读】最近NIPS 2017 "Test of Time"论文大奖获得者Ali Rahimi 在长滩现场的演讲中把机器学习称为“炼金术”(Alchemy)引起...

23590
来自专栏量子位

谷歌大脑QT-Opt算法,机器人探囊取物成功率96%,Jeff Dean大赞

11030
来自专栏AI科技大本营的专栏

《极限挑战》罗志祥遭套路“破产”,我们却看到了更大的危机

游戏中,急于与王迅猜拳赢得胜利的罗志祥,亲手将一个市值和利润率颇高的公司送入破产。相反,黄磊公司虽没有特别良好的市场竞争力,但得益于资深经理人的协助,他利用各种...

9330
来自专栏华章科技

资源 | 自学数据科学&机器学习?19个数学和统计学公开课推荐

数学和统计学是数据科学和机器学习的基础。就我所知,大多数成功的数据科学家都来自这些领域——计算机科学、应用数学和统计学、经济学。如果你想掌握数据科学,你就必须要...

23720
来自专栏量子位

卡成PPT不开心?GAN也能生成流畅的连续表情了 |ECCV Oral · 代码

不过,从前的GAN只会生成一些互无关联的表情。这样,即便做成动图,也拥有浓厚的PPT风韵。

11500
来自专栏机器学习人工学weekly

机器学习人工学weekly-2018/1/28

注意下面很多链接需要科学上网,无奈国情如此 1. Google Brain年终总结part 2,总结2017年在医疗,机器人,文艺创作等等方面的成果,我个人对r...

396100
来自专栏量子位

ICML 2017入选论文名单公布,谷歌微软CMU录用数排前三

安妮 编译自 Medium 量子位出品 | 公众号 QbitAI 第34届国际机器学习大会(ICML)将于今年8月6日在悉尼召开。ICML作为国际顶级的机器学习...

37380
来自专栏新智元

ACL 2016:基于深度学习的 NLP 看点

【新智元导读】计算语言领域顶级会议ACL2016今天公布了10篇优秀论文(outstanding paper)名单。本文介绍 ACL 2016 概况,同时收录清...

52460

扫码关注云+社区

领取腾讯云代金券