量子位 報(bào)道 | 公眾號(hào) QbitAI

　　這個(gè)機(jī)械臂正在完成夠、拿、移、推、點(diǎn)、開等6個(gè)動(dòng)作。

　　而且動(dòng)作嫻熟，還不存在失誤。

　　更令人意外的是，訓(xùn)練這個(gè)機(jī)械臂，只花了短短25分鐘。

　　即使有人為干擾，它也能夠成功完成抓取動(dòng)作。

　　還能抓起以前沒有見過的物體形狀。

　　這就是來(lái)自加州大學(xué)伯克利分校的一項(xiàng)新研究——高效機(jī)器操作框架Framework for Efficient Robotic Manipulation（FERM），專門對(duì)機(jī)械臂進(jìn)行高效率操作的算法訓(xùn)練。

　　FERM為什么比其他方法效率高?

　　目前來(lái)看，大多數(shù)針對(duì)機(jī)器人訓(xùn)練的的RL算法效率都不是很好。

　　采用稀疏獎(jiǎng)勵(lì)的方法訓(xùn)練Dota5游戲的人機(jī)操作，使之成為達(dá)到人類玩家的高手水平，需要花180年的游戲時(shí)間。

　　訓(xùn)練一個(gè)機(jī)械臂的手勢(shì)，則需要上千萬(wàn)的模擬學(xué)習(xí)的樣本和兩周的訓(xùn)練時(shí)間。

　　Sim2Real和模擬學(xué)習(xí)這兩個(gè)方法稍微好點(diǎn)。Sim2Real需要接受模擬訓(xùn)練，再將訓(xùn)練結(jié)果運(yùn)用到現(xiàn)實(shí)事例中。

　　模擬學(xué)習(xí)則需要通過一系列的專業(yè)訓(xùn)練示范案例和監(jiān)督學(xué)習(xí)，才能得出最后的訓(xùn)練策略，實(shí)驗(yàn)結(jié)果非常依賴于輸入示范案例的質(zhì)量。

　　FERM優(yōu)勢(shì)在于，既沒有依靠模擬訓(xùn)練轉(zhuǎn)換到現(xiàn)實(shí)，也不用高度依賴于輸入的示范案例的質(zhì)量。

　　而是基于非監(jiān)督性表征學(xué)習(xí)和數(shù)據(jù)擴(kuò)張技術(shù)，使用了pixel-based RL。

　　因此，它僅僅需要10個(gè)Demo，25分鐘的訓(xùn)練時(shí)間，就可以讓機(jī)器人學(xué)會(huì)六個(gè)動(dòng)作。

　　FERM具體怎么訓(xùn)練？

　　FERM采用了基于像素的強(qiáng)化學(xué)習(xí)（pixel-based RL）方法。

　　具體而言，先收集小部分演示數(shù)據(jù)，并且將這些數(shù)據(jù)存放在“回放緩沖區(qū)”上。

　　然后，用觀察結(jié)果結(jié)合對(duì)比損失量，來(lái)對(duì)編碼器進(jìn)行預(yù)訓(xùn)練。

　　而后，編碼器和“回放緩沖區(qū)”運(yùn)用一種線下的數(shù)據(jù)來(lái)加強(qiáng)RL算法，對(duì)RL智能體進(jìn)行訓(xùn)練。

　　在論文中，研究人員總結(jié)了FERM主要優(yōu)點(diǎn)：

　　1、高效率：FERM可以學(xué)習(xí)6種不同操作任務(wù)的最優(yōu)策略，在15-50分鐘的訓(xùn)練時(shí)間內(nèi)完成每項(xiàng)任務(wù)。

　　2、簡(jiǎn)單統(tǒng)一的框架：框架結(jié)合現(xiàn)有的組成部分，將無(wú)監(jiān)督的預(yù)訓(xùn)練和在線RL與數(shù)據(jù)擴(kuò)充成一個(gè)單一高效的框架。

　　3、常規(guī)輕量設(shè)置：實(shí)施起來(lái)只需要一個(gè)機(jī)器人、一個(gè)GPU、兩個(gè)攝像頭、幾個(gè)演示，以及稀疏獎(jiǎng)勵(lì)函數(shù)等等。

　　具體的實(shí)驗(yàn)結(jié)果如何？

　　實(shí)驗(yàn)結(jié)果

　　這項(xiàng)實(shí)驗(yàn)采用像素觀察的方法執(zhí)行了一系列任務(wù)。下圖的每一欄顯示了初始、中間、結(jié)果等三個(gè)狀態(tài)。只有當(dāng)機(jī)器人完成任務(wù)時(shí)，才會(huì)獲得稀疏獎(jiǎng)勵(lì)。

　　這個(gè)訓(xùn)練算法的效率可謂很高了。具體完成時(shí)間如下圖表格所示，在30分鐘左右，它就可以讓機(jī)器人學(xué)習(xí)操作任務(wù)。而簡(jiǎn)單的“夠”（Reach）動(dòng)作，則只需要三分鐘。

　　實(shí)驗(yàn)結(jié)果稱，它不需要很多的Demo，也不需要到大量的設(shè)備，首次完成任務(wù)的平均時(shí)間為11分鐘，并且可以在25分鐘內(nèi)訓(xùn)練出25分鐘訓(xùn)練機(jī)器人學(xué)會(huì)6個(gè)動(dòng)作，伯克利開發(fā)高效機(jī)器人操縱框架6個(gè)機(jī)械動(dòng)作。

　　所以研究人員驕傲地說：

“據(jù)我們所知，F(xiàn)ERM是第一個(gè)能在不到一小時(shí)的時(shí)間內(nèi)，能通過像素點(diǎn)直接完成來(lái)自不同組、采用稀疏獎(jiǎng)勵(lì)方法的機(jī)器操作任務(wù)?！?br/>

　　而根據(jù)相關(guān)報(bào)告，未來(lái)十年，制造業(yè)將需要460萬(wàn)個(gè)崗位。許多制造商也都在轉(zhuǎn)向自動(dòng)化生產(chǎn)，機(jī)械自動(dòng)化將占比越來(lái)越高。FERM這樣的高效訓(xùn)練框架，可謂是制造業(yè)福音。

　　參考鏈接：
https://venturebeat.com/2020/12/16/new-framework-can-train-a-robotic-arm-on-6-grasping-tasks-in-less-than-an-hour/