無接觸訓練下的機械臂訓練
導言
人類常常將其精細運動能力視為理所當然。然而重新創造出人體的機械精確度並非易事，這也是卡內基梅隆大學機械工程系的研究生希望透過人工智慧簡化的目標。卡內基梅隆大學機械工程系的博士候選人 Alison Bartch 和 Abraham George 在機械工程助理教授 Amir Barati Farimani 的指導下，首次使用虛擬現實模擬重現了一個簡單的任務─舉起一個木塊。透過這個實例，他們成功提出了不同的「人類-類似」動作示範，以幫助機器人進行學習。George 表示：「如果我要展示給你如何完成一個任務，我只需要在你面前做一兩次，你就能掌握它。所以現在我們成功地讓機器人在只看過一次或兩次示範後能夠複製我們的動作。我們創造了一個控制結構，在這個結構中，機器人可以觀察我們的動作，提取所需的訊息，然後執行相應的動作。」
研究結果
團隊發現，與單純使用機器學習架構相比，增加示範動作對機器人在舉起木塊的任務上的學習時間有顯著的幫助。此外透過虛擬現實頭盔模擬收集人類資料，這種研究方法也有望在「不到一分鐘的人類輸入」下產生有前途的結果。這項研究成果已經在 2023 年國際機器人和自動化會議上發表。
挑戰與展望
George 描述了建立可靠且「新穎」的增強示範的挑戰，以供人工智慧學習，讓其能夠辨識相同動作中的微妙差異。他說：「這就像當你試圖訓練一個電腦識別一張狗的圖片時，你可能會向它展示上百張狗和貓的圖片。但我們試圖訓練電腦僅透過一張增強影象來識別一隻狗。因此如果我們向電腦展示一個不同品種的狗，它可能就難以辨識為一隻狗。」
在展望未來方面，Bartch 計劃使用類似的方法教導機械人如何與更具可塑性的材料（尤其是黏土）進行互動並預測材料的變化形狀。Bartch 表示：「對於擁有機械人的最終目標，它們需要能夠預測不同材料的行為。如果你考慮到家中的助理機器人，它們將與可變形材料進行互動：食物是可變形的，海綿是可變形的，衣服是可變形的。」
評論和建議
這項研究的發現對於機械人技術的發展具有重要的意義。無接觸訓練的方法有助於大幅減少機器人的學習時間，並能夠更準確地模仿人類的動作。不僅如此，透過捕獲人類示範動作和資料，使得機器人能夠在更短的時間內達到令人滿意的效果，這對於實現更快速和高效的智慧機械人有着重要意義。
然而我們應該謹慎對待這一領域的發展。盡管當前已經取得了令人鼓舞的成果，但在真實世界的情境中，機器人需要具備更強大的學習和推理能力，並且能夠處理更復雜的環境。此外人工智慧的發展也引發了一系列道德和倫理問題，例如隱私保護、人與機器的權責問題等等。因此我們應該在推動機械人技術發展的同時也要秉持著負責任的態度，在法律和道德的框架下加以監管。
就技術應用方面而言，此項研究為機械人在家庭、工廠和醫療等領域的應用帶來了更多可能性。機械人能夠更快速地學習和模仿人類動作，這將大大提高他們的工作效率和生產力。然而我們也需要密切關注機械人技術對勞動力市場和社會結構的影響。我們應該努力找到一種平衡，既能夠充分利用機械人技術的優勢，又能夠保護和支援人類的就業機會和生活方式。
結論
卡內基梅隆大學機械工程系的研究生們透過無接觸訓練的方法成功地訓練了機械臂，使其能夠模仿人類的動作。這一成果為機械人技術的發展帶來了新的可能性。然而在追求技術發展的同時我們也應該重視其潛在的影響和問題，並採取負責任的態度進行相應的監管和解決。
