机器人有不懂的新事物咋办？那允许它学习好了！

一种新的学习技术使机器人能够在遇到新事物的时候，具有学习如何操作的能力。

这项技术由加州大学伯克利分校的一个团队开发，可以帮助自动驾驶汽车预测未来的交通事故，可以为普通家庭生产出更智能的机器人助手。

最初的原型完全从自主游戏中学习，专注于学习简单的手工技能。使用的这种技术叫做视觉预测，机器人可以预测他们的摄像机在执行特定的动作时将会看到什么。

这些机器人的想象力仍然相对简单—只能预测未来几秒钟发生的事情—但它们足以在桌子上移动物体而不受障碍物干扰。

机器人能够在没有人类的帮助的情况下完成这些任务，也不需要对物理属性、环境或物体有什么了解。

这是因为视觉想象力完全是从无人看管和无人监督的探索中学习的，机器人在桌子上玩物体。在这个游戏阶段之后，机器人构建了一个世界的预测模型，并且可以使用这个模型来操作它以前没有见过的新对象。

“以同样的方式，我们可以想象我们在我们的环境中出现的物体进行移动，该方法可以使机器人能够想象不同的行为将如何影响周围的世界，”谢尔盖·莱文说，在伯克利大学电机工程系助理教授的实验室开发的技术。“在复杂的现实世界中，这可以实现高度灵活的技能的智能化规划。

该系统的核心是基于卷积循环视频预测或动态神经对流（DNA）的深度学习技术。基于DNA的模型根据机器人的动作预测图像中的像素将如何从一帧移动到下一帧。

近来对这类模型的改进以及大大提高的规划能力使得基于视频预测的机器人控制能够执行越来越复杂的任务，例如围绕障碍滑动玩具并重新定位多个对象。

“在过去，机器人已经学会了与人类主管协助和提供反馈的技能。这项工作令人兴奋的是，机器人可以完全依靠自己学习一系列视觉对象操作技能，“Levine实验室的博士生Chelsea Finn说。

使用新技术，机器人将物体推到桌子上，然后使用学习的预测模型选择将物体移动到所需位置的运动。机器人使用从原始摄像机观察到的学习模型来教导自己如何避开障碍物并将障碍物物体推到周围。

“人类在没有任何教师的情况下学习对象操作技能，通过数百万次与各种物体在其一生中的相互作用。我们已经证明，构建一个机器人系统也是可能的，该系统还利用大量自主收集的数据来学习广泛适用的操作技能，特别是对象推送技能。“项目研究生Frederik Ebert说。

由于通过视频预测得出的操作仅依赖于由机器人自主收集的观察结果做出判断，例如通过摄像机图像，因此所得到的方法是通用的，并且可以被广泛使用的。

与当前需要人类手动标记数千甚至数百万图像的传统计算机视觉训练方法相比，建立视频预测模型仅需要未注释的视频，而且可以由机器人完全自主地采集。

文章翻译自：https://eandt.theiet.org/content/articles/2017/12/learning-technique-allows-robots-to-consider-their-future/

整理：中国工程科技知识中心制造业分中心