谷歌的人工智能教機器人抓取被遮擋的物體并適應新環(huán)境

在本周在預印服務器Arxiv.org上發(fā)表的一對論文中，谷歌和加州大學伯克利分校的研究人員描述了新的人工智能和機器學習技術(shù)，使機器人能夠適應從未見過的任務，并掌握被遮擋的對象。 第一項研究詳細介紹了X-Ray，這是一種算法，當部署在機器人上時，可以通過大量的對象搜索來抓取目標對象，而第二項研究則提出了一種策略適應技術(shù)，它“教授”機器人的技能，而不需要從抓取模型訓練。

機器人抓取是一個令人驚訝的困難挑戰(zhàn)。 例如，機器人很難執(zhí)行所謂的“機械搜索”，即當它們必須從一堆其他物體中識別和拾取一個物體時。 大多數(shù)機器人不是特別適應能力強，而且缺乏足夠能力的人工智能模型來指導機器人在機械搜索中的手。

X-Ray和政策調(diào)整步驟可以構(gòu)成一個產(chǎn)品包裝系統(tǒng)的基礎，該系統(tǒng)可以在沒有人的監(jiān)督下發(fā)現(xiàn)、拾取和丟棄一系列對象。

關(guān)于X-Ray的研究的合著者注意到，由于缺乏適當?shù)哪Ｐ?，機械搜索-在一堆對象中尋找對象-仍然具有挑戰(zhàn)性。 X射線通過遮擋推理和假設預測相結(jié)合來解決這個問題，它用來估計包圍盒(物體周圍矩形邊框的坐標)與物體最相似的占用率分布，同時考慮各種平移和旋轉(zhuǎn)。

X-Ray假設堆中至少有一個目標對象被未知對象完全或部分遮擋，并且每個時間步長最多掌握一個對象。 以RGB圖像和目標對象為輸入，預測場景的占用率分布和分割掩碼，并計算幾個潛在的抓取動作，以最高的成功概率執(zhí)行。

為了訓練和驗證X射線，研究人員制作了一個由10，000幅增強深度圖像組成的語料庫，其中標記了矩形框目標對象的對象占用分布。 從Thingiverse上的1296個三維CAD模型的開源數(shù)據(jù)集上采樣，他們選擇了10個不同尺寸的盒子目標，體積相等，厚度小，因此它們更有可能被遮擋。 這使他們共獲得10萬張圖像。

上圖：說明X射線技術(shù)的圖表。

這10000幅圖像中約有8000幅保留用于培訓，其余的留作測試。 還有一千幅包含模擬物體的圖像-蓋子、多米諾骨牌和長笛-被用來評估X射線對看不見的形狀、物體、縱橫比和尺度的泛化。

在涉及一個現(xiàn)實世界中的ABBYuMi機器人的物理實驗中，研究人員責成X-Ray將一個裝有物體的垃圾箱裝滿，然后將垃圾箱傾倒在目標物體的頂部。 在最初包含25個對象的堆中，系統(tǒng)以5個動作的中位數(shù)提取目標對象，超過20次試驗，成功率為100%。

合著者留給未來的工作，提高X-Ray的培訓效率，并分析數(shù)據(jù)集大小的影響以及用于生成培訓分布的翻譯和旋轉(zhuǎn)次數(shù)。 他們還計劃探索基于目標對象可見性獎勵的強化學習政策。

在最近的兩篇論文中，合著者試圖開發(fā)一個不斷適應新的現(xiàn)實世界環(huán)境、對象和條件的系統(tǒng)。 這與大多數(shù)機器人形成了鮮明對比，它們只訓練一次，部署時沒有太多的適應能力。

研究人員預先訓練了一個機器學習模型，在608，000次抓取嘗試的語料庫上抓取一系列物體，然后他們負責使用夾持器抓取物體，將其移動到起始位置的右側(cè)10厘米。 在系統(tǒng)練習了一段時間(在800次嘗試中)，并將這些嘗試記錄到一個新的數(shù)據(jù)集-目標數(shù)據(jù)集-之后，新的嘗試在50%的時間內(nèi)與原始數(shù)據(jù)集混合，以微調(diào)模型。

上圖：模型適應訓練過程，以示意圖的形式。

這些步驟-預訓練、嘗試新任務和微調(diào)-被重復了五種不同的場景。 在一種情況下，嚴酷的照明阻礙了機器人的相機;在另一種情況下，棋盤圖案的背景使模型難以識別物體。 最后，實驗者讓機器人抓住訓練中沒有看到的透明瓶子(透明物體對機器人來說是出了名的難以抓住，因為它們有時會混淆深度傳感器)，并撿起坐在高反射鈑金表面上的物體。

研究人員報告說，在實驗中，模型成功地抓住了物體63%的時間在苛刻的照明，74%的時間與透明的瓶子，86%的時間與棋盤支持，88%的時間與擴展夾持器，91%的時間與偏移夾持器。 此外，他們還說，機器人只需要1到4個小時的練習才能適應新的情況(相比之下，大約有6，000個小時的學習如何掌握)，而且性能并沒有降低模型適應得越多。

在未來，團隊計劃調(diào)查該過程是否可以自動進行。