仿真到現實(shí)是機器人難以跨越的鴻溝

奔跑、攀援、摔倒、爬起，對于野外動(dòng)物來(lái)說(shuō)，這些動(dòng)作是與生俱來(lái)的本能。我們人類(lèi)出生后，掌握這些動(dòng)作的時(shí)間相對慢一些或者需要訓練，但作為彌補，我們擁有非常精細的手部運動(dòng)技能，可以從容操作各種工具。

而眾所周知，無(wú)論是優(yōu)雅地行走還是自然地抓取，機器人在這方面的表現一直不盡如人意，步態(tài)運動(dòng)的協(xié)調性和機器手的靈巧度一直是業(yè)界難題。

但現在，情況正一點(diǎn)點(diǎn)發(fā)生變化。

據日前英國《自然》新聞與觀(guān)點(diǎn)文章稱(chēng)，歷經(jīng)幾十年，機器人終于在機器學(xué)習的幫助下，開(kāi)始掌握自然地行走、奔跑和抓物的技能了。這一突破，被認為拉開(kāi)了具有“物理靈活性”的人工智能時(shí)代的序幕，同時(shí)，開(kāi)啟了一個(gè)“機器人自主時(shí)代”。

機器人“活得”比你想的要難

一個(gè)機器人的“生命”，是從仿真開(kāi)始的。

機器人工程師們首先會(huì )看引導軟件在虛擬世界中是否表現良好，如果令人滿(mǎn)意，這個(gè)軟件就會(huì )被放進(jìn)機器人體內，應用于物理世界。

但在物理世界中，看似很小的障礙都會(huì )讓機器人陷入困境，他們不可避免地遭遇“真實(shí)世界”帶來(lái)的無(wú)數巨大難題——那些無(wú)法預測的表面摩擦力、結構柔性、振動(dòng)，以及機器人自身的傳感器延遲、致動(dòng)器轉化不良等等，這一連串障礙，幾乎沒(méi)有一個(gè)能用數學(xué)模型提前假設。

過(guò)去幾十年來(lái)，工程師其實(shí)也在不斷嘗試通過(guò)基于預測性數學(xué)模型（經(jīng)典控制論）的軟件，去引導機器人進(jìn)行肢體活動(dòng)。然而，這個(gè)方法在引導機器人肢體執行行走、攀爬和抓取不同形狀物體這類(lèi)極為簡(jiǎn)單的任務(wù)時(shí)，被證明無(wú)效。

機器人在仿真環(huán)境中即使再應對自如，進(jìn)入真實(shí)的物理世界，也會(huì )如懵懂孩童般跌跌撞撞。

機器學(xué)習或能彌合仿真與現實(shí)差距

當人們已習慣機器人數十年如一日的蹣跚學(xué)步，科學(xué)家們卻突然點(diǎn)亮了希望。

日前，蘇黎世聯(lián)邦理工學(xué)院機器人系統實(shí)驗室團隊在《科學(xué)·機器人學(xué)》上發(fā)表最新論文，給出了新證據表明，運用數據驅動(dòng)法設計的機器人軟件，有很大希望解決機器人學(xué)和人工智能研究長(cháng)期面臨的巨大難題——仿真與現實(shí)之間的差距。

團隊演示的方法是將經(jīng)典控制論與機器學(xué)習技術(shù)相結合。他們首先設計了一個(gè)四足機器人的傳統數學(xué)模型，并給機器人起名“ANYmal”。接下來(lái)，再從引導機器人四肢運動(dòng)的致動(dòng)器中收集數據，數據輸入多個(gè)人工智能神經(jīng)網(wǎng)絡(luò )系統，從而建立了第二個(gè)模型。

這個(gè)機器學(xué)習模型，就可以自動(dòng)預測“AMYmal”機器人的肢體運動(dòng)。經(jīng)過(guò)訓練的神經(jīng)網(wǎng)絡(luò )，只要插入第一個(gè)模型中，就可以在電腦上仿真運行這個(gè)混合模型。

團隊發(fā)現這種利用數據驅動(dòng)法設計的軟件，大大提高了機器人的運動(dòng)技能——它速度更快，動(dòng)作也更精準。而且先將運動(dòng)策略在仿真器中優(yōu)化，再轉入機器人體內在物理世界進(jìn)行測試，最后機器人的表現，竟然和仿真表現一樣好。

混合模型是變革的第一步

這一成就，被認為是機器人及人工智能的一項重要突破，其預示著(zhù)，曾經(jīng)不可逾越的仿真與現實(shí)之間的差距正在被消弭。

其也預示著(zhù)新一輪人工智能的重大變革，而混合模型，正是這場(chǎng)變革的第一步。之后，所有的分析模型都將面臨“下崗”。

通過(guò)機器人在現實(shí)環(huán)境中收集到的數據，訓練機器學(xué)習模型——這一方法也被稱(chēng)為“端到端訓練”（end-to-end training）。其正緩慢但堅定地照進(jìn)現實(shí)，在諸如關(guān)節式機械臂、多指機械手、無(wú)人機，甚至是無(wú)人駕駛汽車(chē)中得到應用。

或許不久的將來(lái)，機器人工程師將不必再“告訴”機器人如何走路、如何抓取，而是讓機器人利用自身收集得來(lái)的數據，進(jìn)行自我學(xué)習。

不過(guò)，現階段其也存在一定挑戰。最重要的就是要優(yōu)化可擴展性，以確定“端到端訓練”是否可以擴展用于引導擁有幾十個(gè)致動(dòng)器的復雜機器，譬如類(lèi)人機器人、制造工廠(chǎng)、智能城市這一類(lèi)大型系統，進(jìn)而用數字技術(shù)幫助人類(lèi)切實(shí)地提高生活質(zhì)量。

《自然》觀(guān)點(diǎn)文章稱(chēng)，對人類(lèi)來(lái)說(shuō)，當腦中對未來(lái)行動(dòng)的思路越清晰，這個(gè)人的自我意識能力也就越高?，F如今，機器人已經(jīng)在學(xué)習的路上更進(jìn)一步，其不僅是一次具有實(shí)際意義的突破，讓某些工程性勞動(dòng)得以解放，還標志著(zhù)科學(xué)家們已開(kāi)啟了“機器人自主時(shí)代”。