想象一下，一個比薩餅制作者正在處理一團(tuán)面團(tuán)。她可能會用鏟子把面團(tuán)抬到砧板上，然后用搟面杖把它壓成一個圓形。很簡單，對嗎？如果這個比薩餅制作者是一個機(jī)器人就不一樣了。

對于機(jī)器人來說，處理像面團(tuán)這樣的可變形物體是很棘手的，因?yàn)槊鎴F(tuán)的形狀可以有很多變化，這很難用公式來表示。此外，從面團(tuán)中創(chuàng)造一個新的形狀需要多個步驟和使用不同的工具。對于一個機(jī)器人來說，學(xué)習(xí)一個具有長序列步驟的操作任務(wù)是特別困難的--那里有許多可能的選擇--因?yàn)閷W(xué)習(xí)常常是通過試驗(yàn)和錯誤進(jìn)行的。

麻省理工學(xué)院、卡內(nèi)基梅隆大學(xué)和加州大學(xué)圣地亞哥分校的研究人員想出了一個更好的辦法。他們創(chuàng)建了一個機(jī)器人操縱系統(tǒng)的框架，該系統(tǒng)使用兩階段的學(xué)習(xí)過程，這可以使機(jī)器人在很長的時(shí)間范圍內(nèi)執(zhí)行復(fù)雜的面團(tuán)操縱任務(wù)。一個 "教師 "算法解決了機(jī)器人為完成任務(wù)必須采取的每一個步驟。然后，它訓(xùn)練一個 "學(xué)生 "機(jī)器學(xué)習(xí)模型，學(xué)習(xí)關(guān)于何時(shí)和如何執(zhí)行任務(wù)中所需要的每項(xiàng)技能的抽象概念，如使用搟面杖。有了這些知識，系統(tǒng)就會推理出如何執(zhí)行這些技能來完成整個任務(wù)。

研究人員表明，這種被他們稱為DiffSkill的方法可以在模擬中執(zhí)行復(fù)雜的操作任務(wù)，如切割和鋪開面團(tuán)，或從砧板周圍收集面團(tuán)碎片，同時(shí)優(yōu)于其他機(jī)器學(xué)習(xí)方法。

除了制作披薩之外，這種方法還可以應(yīng)用于機(jī)器人需要操縱可變形物體的其他場合，例如為老人或有運(yùn)動障礙的人喂食、洗澡或穿衣的護(hù)理機(jī)器人。

"這種方法更接近于我們?nèi)祟愑?jì)劃行動的方式。當(dāng)人類做一個長距離的任務(wù)時(shí)，我們不是在寫下所有的細(xì)節(jié)。我們有一個更高層次的計(jì)劃器，它大致上告訴我們階段是什么，以及沿途我們需要實(shí)現(xiàn)的一些中間目標(biāo)，然后我們執(zhí)行它們，"計(jì)算機(jī)科學(xué)和人工智能實(shí)驗(yàn)室（CSAIL）的研究生李云珠說，她是介紹DiffSkill的論文的作者。

李云珠的合著者包括主要作者卡內(nèi)基梅隆大學(xué)（CMU）的研究生林星宇、加州大學(xué)圣地亞哥分校的研究生黃志豪、Paul E. Newton職業(yè)發(fā)展教授Joshua B. Tenenbaum。牛頓職業(yè)發(fā)展教授和CSAIL成員；CMU助理教授David Held；以及資深作者Chuang Gan，MIT-IB+M Watson人工智能實(shí)驗(yàn)室的研究科學(xué)家。該研究將在國際學(xué)習(xí)表征會議上發(fā)表。

學(xué)生和老師

DiffSkill框架中的 "老師 "是一種軌跡優(yōu)化算法，可以解決短距離的任務(wù)，即物體的初始狀態(tài)和目標(biāo)位置很接近。軌跡優(yōu)化器在一個模擬現(xiàn)實(shí)世界物理學(xué)的模擬器中工作（被稱為可微分物理學(xué)模擬器，這使 "DiffSkill "中的 "Diff "成為現(xiàn)實(shí)）。教師 "算法使用模擬器中的信息來學(xué)習(xí)面團(tuán)在每個階段必須如何移動，一次一個，然后輸出這些軌跡。

然后 "學(xué)生 "神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)模仿老師的動作。作為輸入，它使用兩個攝像機(jī)圖像，一個顯示面團(tuán)的當(dāng)前狀態(tài)，另一個顯示任務(wù)結(jié)束時(shí)的面團(tuán)。該神經(jīng)網(wǎng)絡(luò)生成一個高級計(jì)劃，以確定如何將不同的技能聯(lián)系起來以達(dá)到目標(biāo)。然后，它為每個技能生成具體的、短距離的軌跡，并直接向工具發(fā)送命令。

研究人員使用這種技術(shù)對三種不同的模擬面團(tuán)操作任務(wù)進(jìn)行了實(shí)驗(yàn)。在一項(xiàng)任務(wù)中，機(jī)器人使用鏟子將面團(tuán)舉到砧板上，然后使用搟面杖將其壓平。在另一項(xiàng)任務(wù)中，機(jī)器人使用抓手從柜臺的各個角落收集面團(tuán)，將其放在鏟子上，然后將其轉(zhuǎn)移到砧板上。在第三項(xiàng)任務(wù)中，機(jī)器人用刀將一堆面團(tuán)切成兩半，然后用抓手將每塊面團(tuán)運(yùn)送到不同的地方。

研究人員開發(fā)的機(jī)器人操縱系統(tǒng)可以在模擬中用工具完成復(fù)雜的面團(tuán)操縱任務(wù)，如收集面團(tuán)并將其放到砧板上（左），將一塊面團(tuán)切成兩半并將兩半分開（中間），以及將面團(tuán)抬到砧板上然后用搟面杖壓平（右）。他們的技術(shù)能夠成功地執(zhí)行這些任務(wù)，而其他機(jī)器學(xué)習(xí)方法則失敗了。

勝人一籌

DiffSkill能夠勝過依靠強(qiáng)化學(xué)習(xí)的流行技術(shù)，即機(jī)器人通過試驗(yàn)和錯誤學(xué)習(xí)任務(wù)。事實(shí)上，DiffSkill是唯一能夠成功完成所有三項(xiàng)面團(tuán)操作任務(wù)的方法。有趣的是，研究人員發(fā)現(xiàn)，"學(xué)生 "神經(jīng)網(wǎng)絡(luò)甚至能夠勝過 "教師 "算法，林說。

"我們的框架為機(jī)器人獲得新技能提供了一種新穎的方式。這些技能然后可以被串聯(lián)起來，以解決更復(fù)雜的任務(wù)，這超出了以前機(jī)器人系統(tǒng)的能力，"林說。

因?yàn)樗麄兊姆椒▽Ｗ⒂诳刂乒ぞ撸ㄧP子、刀、搟面杖等），它可以應(yīng)用于不同的機(jī)器人，但前提是它們使用研究人員定義的特定工具。在未來，他們計(jì)劃將工具的形狀整合到 "學(xué)生 "網(wǎng)絡(luò)的推理中，這樣它就可以應(yīng)用于其他設(shè)備。

研究人員打算通過使用3D數(shù)據(jù)作為輸入來提高DiffSkill的性能，而不是使用難以從模擬轉(zhuǎn)移到現(xiàn)實(shí)世界的圖像。他們還希望使神經(jīng)網(wǎng)絡(luò)規(guī)劃過程更加有效，并收集更多不同的訓(xùn)練數(shù)據(jù)，以增強(qiáng)DiffSkill對新情況的概括能力。從長遠(yuǎn)來看，他們希望將DiffSkill應(yīng)用于更多不同的任務(wù)，包括布的操作。

這項(xiàng)工作得到了美國國家科學(xué)基金會、LG電子、麻省理工學(xué)院-IBM Watson人工智能實(shí)驗(yàn)室、海軍研究辦公室和國防高級研究計(jì)劃局機(jī)器常識項(xiàng)目的部分支持。