伯克利和Deepmind前赴後繼，只為教出一個會做家務的機器人？
文｜腦極體
新年伊始，伯克利就傳出新進展，他們教機器人做家務的能力更上一層樓了。
在最新的論文中，伯克利介紹了他們是如何讓機器學會讀懂人類的潛臺詞或未盡之意，而不是傻乎乎地按照字面意思或者獎勵系統來機械地運動。
舉個例子，當餐桌機器人上菜時，它會知道躲避酒櫃，或者在停電等緊急情況下停止端盤子，而不是為了儘可能多地得到獎賞（端一個盤子系統會提供一個獎勵），而馬不停蹄地送盤子。甚至還可能直接把盤子打碎，這樣就可以獲得更多的“盤子”（獎勵）了……
反正我看到這個新聞時，第一反應是機器人可真笨啊，這麼簡單的任務我兩歲的小侄子都會做。第二反應是伯克利教機器人做家務的執念也未免太深了吧！
之前還開發過引擎教機器人鋪床單、疊衣服、收拾桌面，總之，非要讓機器人摻和家務這件事不可。
想要挑戰家務技能的除了伯克利，還有Deepmind。去年2月，Deepmind就提出了一種新的學習正規化“計劃輔助控制SAC-X”，來幫助機器人學會整理桌子和堆疊衣物。
前不久佐治亞理工學院的研究人員，也發表了新的強化學習演算法，可以教會機器人穿衣服。
為什麼這麼多AI巨頭不約而同地走上了家務培訓的道路？未來我們能擁有《底特律》中卡拉小姐姐那樣溫柔能幹的家政機器人嗎？本文就來嘗試解釋一下這些疑惑。
家務三十六計：家政機器人都掌握了哪些技能？
首先我們來看看，在這麼多人類學霸、AI巨頭的助攻下，機器人都學會了哪些家務小技能。
先來說說“家政狂魔”伯克利。
早在去年，我們就解讀過伯克利的通用預測模型，它可以幫助機器人自主學習和掌握很多通用基礎技能，在此基礎上學習和預測主人的意圖和任務的共性，從而可以舉一反三執行廣泛的任務類別，成長為一個優秀的“家務多面手”。比如摺疊短褲毛巾、挪移蘋果、整理桌面等等。
伯克利還推出了一個深度學習模型Dex-NET，基於角點檢測和抓取策略，讓機器人完成鋪床單這一艱鉅任務。
最值得一提的是新的研究成果“偏好優化模型”。機器人不僅能完成通用任務，而且還能夠推斷出更優解，適應帶有隱藏條件的複雜現實環境。
比如在常規的“actor-critic”增強學習反饋機制中，主人要求機器人導航前往紫色的門，那麼機器人就會選擇最短路徑（傳統意義上的最優解），而忽略這麼做會打碎路上的花瓶。
因為機器人無法獲知，主人是否關心花瓶會不會被打碎。但如果機器人能自己模擬和演練過去發生過的行為軌跡，比如主人一直都繞著花瓶走，說明她是重視花瓶的完整狀態的，由此推斷出繞過花瓶是最有可能獲得獎勵、應該積極追求的目標。
機器人擁有洞察隱藏條件的能力，意味著它們可以從一種狀態中學習人類的偏好，系統無需事無鉅細地列出所有現實環境中的因果聯絡和條件，獎勵函式也不再是線性機械的，機器人可以自主模擬和學習過去的經驗，判斷和應對未知的動態環境。
對於做家務這個任務來說，判斷主人的喜好來進行作業，可以說是必殺技了。
與伯克利相比，Deepmind其實對醫療這種高精尖任務更感興趣。但這並不妨礙它在家政領域發光發熱。
Deepmind的“計劃輔助控制SAC-X”模型，就旨在幫助機器人學會探索和掌握家務方面的基本技能。就像嬰兒在爬行和走路之前必須發展出協調和平衡能力一樣，SAC-X也有助於幫助機器掌握幾種核心的視覺-運動技能。
比如運用模擬手臂，按照正確的順序，即使沒有見過這各任務，也能從零開始學習，並按要求順利地把物體舉起來。這樣就能在無需額外程式設計的前提下，完成整理桌面這樣的複雜任務。
此外，喬治亞理工學院將布料引入學習框架，教機器人學會穿衣服的論文也非常別出心裁。
因為衣服的布料材質各不相同，穿衣服的動作也無法遵循特定的運動軌跡，會和布料產生複雜的互動變化，機器人必須不斷練習，對各個子任務（拽起邊緣、扯平衣角等）進行模擬和優化，在不斷變化的環境條件中學習到穩定的創意控制策略，最終完成穿不同衣服的任務目標。無論襯衫、套頭毛衣，還是外套，都是妥妥滴！
聽起來，好像大部分家務活兒機器人都可以駕馭嘛，但杯具的是，現實中能夠見到的家務機器人，幹起活來依然是一副又慢又笨的蠢樣子。
比如由伯克利設計、Rethink Robotics公司開發的家庭助手，疊一個毛巾就要15分鐘；而加州 FoldiMate推出的智慧洗疊機器，可以按照程式把衣服疊成需要的方塊，但需要人手動放置在展臺上，並沒有節省多少人力，售價還高達980美金（約7000塊人民幣）……emmmm還是自己動手豐衣足食吧。
不是比人慢，就是比人貴，靠機器人做家務價效比實在是太低了。那麼，既然不能真的幫人類做家務，教機器人學習這些技能，究竟有何意義？
為什麼是做家務，去工廠搬磚不行嗎？
這麼多研究人才齊上陣，要是去教小學生，怕是都能考上清華了。實在不行，去工廠搬磚也能緩解下勞動力緊張啊，幹嘛非要跟家務活兒較勁呢？
原因恐怕在於，家政任務提供了一個從零開始學習複雜控制任務的訓練環境，這對通用機器智慧來說至關重要。
首先，家政任務的真實性和多樣性，有助於智慧體學會如何用最少的先驗知識來解決複雜問題。
先驗知識指的是一種不依賴於經驗總結（類似編寫好的程式，從結果推導過程）的一種元能力，通過觀察學會推理和判斷。而機器人就沒有這種“天生的”知識，但顯然我們也不可能將機器人服務的每個家庭、每個可能任務都進行預先程式設計，這時，訓練機器人的通用能力就顯得尤為關鍵了。
儘管機器永遠不可能擁有像人一樣的先驗能力和通用性，在各個學科、各個工作崗位都能表現差不多。但在很多垂直領域，比如工業、家務、語言等，先驗能力強的機器智慧體就可以低成本、高適應性、靈活地完成工作任務，解決那些現在只有人才能解決的問題。
另外，家政任務是一個集視覺、觸覺、運動、關節控制等為一體的任務，綜合性很強，這是其他碎片應用不具備的環境，對訓練多元功能協作的智慧體很有幫助。
比如伯克利教機器人從垃圾桶中拾取原本看不見的物體，就需要通過攝像頭採集深度影象，形成模擬資料集，再利用該資料集訓練質量卷積神經網路(GQ-CNN)，對物體進行影象分割，確定抓取嘗試成功的可能性，最後形成抓取成功概率最高的策略，再對夾持器關節進行實時精密控制，才能最終完成這一操作。一次訓練，多種收穫。
更重要的是，家務的操作環境比起工業機器人、電子遊戲等，都更加鬆散，充滿變化，任務的主觀預期和隱藏含義更難界定和預測，無形中加大了訓練難度。與此同時，家政任務的訓練成本也比較低，也更容易為大眾所理解，社會效益和營銷價值雙豐收。
相比對機器狗拳打腳踢、在《Dota》中血虐真人玩家，讓機器做做家務簡直堪稱是最政治正確、價廉物美的訓練方式了。
醉翁之意：做完家務，這些研究還有什麼用？
在家政機器人背後，實際隱含的是一種智慧體創生的本質邏輯：在複雜的環境中自己探索出解決隨機和非結構化問題的合理方案，可以安全地與環境互動，同時高效地完成任務。
具體一點說，訓練家政機器人，主要有一下三個方面的好處：
一是培養更具有通用智慧的機器人，在不需要過多指導的前提下，執行一系列任務，提高機器自動化的安全性和工作效率。
二是有助於開發用於分層規劃、感知和推理的演算法，可以幫助自動駕駛、工業自動化、智慧物聯網等等領域解決應用問題；
三是推動零樣本學習、少樣本學習等技術的進步。在缺乏外部獎勵訊號的情況下，演算法也能很好地推理出行為的意圖，可以顯著提升電商、內容產品推薦系統的使用體驗。
這樣，大家恐怕就不難理解，為什家務會成為通用智慧體成長道路上無法繞過的“墊腳石”了。
最後可能還有人想問：不愛做家務星人，我只關心機器人啥時候能進我家給我疊被鋪床？我只能說：親親這邊建議直接睡覺呢夢裡什麼都有。
更多精彩內容，關注鈦媒體微訊號（ID：taimeiti），或者下載鈦媒體App
