機器人帶養：模仿學習和主動學習的結合
一個具有超越嬰兒的操控能力的 AI 代理人
卡內基梅隆大學和 Meta 的研究人員宣布了 RoboAgent，這是一個利用被動觀察和主動學習來使機器人獲得嬰兒級別的操控能力的人工智慧代理人。研究人員受到嬰兒學習和探索周圍環境的方式的啟發，開發了一種新的方法來教導機器人同時學習多種技能並應用於處理未見過的日常任務。
攜手學習的機器人
在學習和成長的過程中，人類是非常社交的生物，從小就開始相互學習。嬰兒會細心觀察他們的父母、兄弟姐妹或照顧者，並模仿他們所見來學習技能和行為。卡內基梅隆大學和 Meta 的研究人員希望模仿嬰兒學習環境來教導機器人同時學習多種技能並應用於處理未見過的日常任務。他們開發了 RoboAgent，一個利用被動觀察和主動學習的人工智慧代理人，使機器人能夠具備與三歲兒童相當的操控能力。
"RoboAgent 是實現一般性機器人代理人的重要裏程碑，它學習高效，能夠應對新情況，並能隨著時間發展自身的行為能力，"電腦科學學院機器人研究所的兼職教師 Vikash Kumar 表示。"當前的機器人高度專注於獨立的單一任務培訓。相比之下，我們的目標是創造一個能夠在未知情境中展示各種技能的單一人工智慧代理人。RoboAgent 像嬰兒一樣學習，結合充足的被動觀察和有限的主動遊戲來學習。"
近乎嬰兒級別的操控能力
RoboAgent 能夠在不同場景下完成 12 項操控技能，研究者們這項研究所示範的成果指向一個能夠適應不斷變化環境的機器人學習平臺。與過去的研究不同的是，這支團隊在真實環境中展示了他們的工作，而不是在模擬環境中進行，而且他們使用的資料要比之前的專案少得多。
"RoboAgents 能夠完成比其他機器人代理人更豐富更複雜的技能，"機器人學院的副教授 Abhinav Gupta 表示。"我們展示了比任何單一現實世界機器人代理人更多樣化的技能，其泛化到未見過的情境的效率和規模是獨特的。"
從自身和被動觀察中學習
機器人主要透過自身經驗來學習，而不是從周圍的被動環境中學習。這種對周圍環境的無法領悟從根本上約束了機器人接觸到的經驗的多樣性和其適應新情況的能力。為了克服這些約束，RoboAgent 從網際網路上的影片中學習，就像嬰兒透過被動觀察周圍環境來獲取知識和行為一樣。
"RoboAgent 利用這些影片中包含的訊息，學習人類如何與物體互動並使用各種技能成功完成任務，"機器人學院的博士生 Mohit Sharma 解釋道。"此外觀察到不同情境中類似的技能使其能夠學習到完成任務所必要和不必要的步驟。當面對未知任務或未見環境時，它可以利用這些經驗。"
開放源程式碼、共享資料集
這支團隊正在開源他們訓練的模型、程式碼庫、硬體驅動程式和整個研究收集的資料集。RoboSet 是當前最大的公開可用的基於通用硬體的機器人資料集。研究團隊希望這將使其他人能夠重複使用、適應和傳承這些資源，從而在未來建立一個真正的基礎性通用機器人代理人。
"一個具備這種學習能力的代理人將使我們更接近一個能夠在各種未知場景中完成各種任務並不斷成長的通用機器人，"機器人學院的助理教授 Shubham Tulsiani 表示。"RoboAgent 可以利用有限的領域內資料快速訓練機器人，並主要依靠網際網路上豐富的免費資料來學習各種任務。這可以使機器人在家庭、醫院和其他公共場所等非結構化環境中更有用。"
儘管該研究還處於早期階段，RoboAgent 的創新方法提供了一種有希望的方法，可以培養出更具適應性和多功能能力的機器人代理人。這將為未來的技術發展和應用帶來更廣闊的前景。
