最新研究，可以预测未来的人工智能机器人面世了

加利福尼亚大学伯克利分校的研究人员开发了一种机器人学习技术，使机器人能够想象他们行动的未来，以便他们能够弄清楚如何操作以前从未遇到过的物体。

在未来，这项技术可以帮助自驾车预测未来事件的发展，并在家庭中生产出更多的智能机器人助手，虽然最初的原型重点是从网络游戏中学习简单的手动技能。

使用这种称为视觉预见的技术，机器人可以预测他们的相机如果执行特定的动作顺序将会看到什么。也许有人说，不就是游戏中的预判么？是的，差不多就是预判的意思，这以前只是人类才有的能力。

这些机器人的想象对于现在来说还是比较简单的 ，对未来只有几秒钟的预测 ， 但是它们足以让机器人弄清楚如何在没有障碍物的情况下在桌子上移动物体。

关键的是，机器人可以学习执行这些任务，没有任何人的帮助或事先有关物理学，环境或物体的知识。这是因为视觉想象力是从无人看管和无监督的探索中完全从头开始学习的，机器人在桌子上玩物体。在这个游戏阶段之后，机器人建立了一个世界的预测模型。

伯克利电气系助理教授谢尔盖•列文（Sergey Levine）说：“就像我们可以想象我们的行为如何将物体移动到环境中一样，这种方法可以使机器人看到不同的行为将如何影响周围的世界。工程和计算机科学的实验室开发了这项技术。“这可以在复杂的现实世界中对高度灵活的技能进行智能计划。”

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日益复杂的任务，例如在障碍物周围滑动玩具并重新定位多个对象。

“在过去，机器人已经学会了人类主管帮助和提供反馈的技能，这使得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的视觉对象操作技能，”博士生切尔西·芬（Chelsea Finn）说。莱文的实验室和原DNA模型的发明者。

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他们自己如何避开障碍物并将物体推到障碍物周围。

“人类在没有任何教师的情况下，通过数百万次与各种物体的相互作用学习了对象操纵技能，我们已经证明可以构建一个机器人系统，同时利用大量自主收集的数据学习广泛适用的操作技能对象推送技巧“，Levine实验室研究生Frederik Ebert说。

由于通过视频预测的控制仅依赖于可以由机器人自主收集的观察，例如通过摄像机图像，因此所得到的方法是通用的和广泛适用的。与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方法相比，建立视频预测模型仅需要未注释的视频，其可以由机器人完全自主地采集。事实上，视频预测模型也已经被应用于代表从人类活动到驾驶的所有事物的数据集，并且具有令人信服的结果。

“孩子们可以通过玩玩具，移动他人，抓住等等来了解他们的世界，我们的目标是使机器人也能做到这一点：通过自主交互来了解世界是如何工作的，”Levine说过。“这个机器人的能力还是有限的，但是它的技能是完全自动学习的，并且可以通过建立在先前观察到的相互作用模式上来预测与之前从未见过的物体的复杂物理相互作用。

伯克利的科学家们继续通过视频预测研究控制，着重于进一步改进视频预测和基于预测的控制，以及开发更复杂的方法，使机器人可以收集更多的重点视频数据，用于复杂的任务，如拾取和放置对象并操纵柔软和可变形的物体，如布或绳索，以及组装。

欢迎关注“老刘聊科技”，每天分享更多人工智能资讯