机器人技术在现实世界中的挑战与创新

机器人技术在现实世界中的挑战与创新

在国际机器人与自动化会议（ICRA 2022）期间，某中心的三位顶尖机器人专家探讨了在现实环境中构建与人类互动的机器人系统所面临的技术挑战。

开放世界的复杂性

某中心机器人AI总监指出："我们的问题之所以极其困难，是因为我们生活在一个开放世界中。在履行中心，需要处理超过2000万种物品，而且每天还会增加数十万。机器人通常完全不知道正在拾取什么物品，但必须能够小心拾取而不损坏它们。"

某中心 Scout 高级应用科学经理补充道："对于 Scout 来说，人行道上遇到的物体以及环境都是挑战。我们在美国四个不同的州运营个人配送设备。天气条件、光照条件——存在巨大的变异性，我们从一开始就明确要解决这些困难问题。"

数据驱动与持续学习

某中心机器人AI总监强调："机器学习和自适应控制对于超线性扩展至关重要。如果有数十、数百、数千个机器人部署，不能让数十、数百、数千名科学家和工程师来维护它们。我们需要在这方面实现超线性扩展。"

开放世界迫使团队思考持续学习的问题。机器学习模型在某些输入数据分布上训练，但由于开放世界，存在所谓的协变量偏移，即看到的数据与训练分布不匹配，这通常会导致机器学习模型过度自信。

技术团队创建了监控程序来识别输入数据分布何时偏离训练分布，并进行重要性采样，挑选出发生变化的部分重新训练机器学习模型。

多机器人知识共享

某中心机器人AI总监分享了一个案例："我们有一个拾取机器人的轶事。世界某个地方的机器人注意到出现了一种新的包装类型。开始时它非常挣扎，因为它从未见过这种包装，并识别到自己正在挣扎。问题解决后，它能够将模型传输给世界上所有其他机器人，即使这种新包装类型尚未到达某些地点，那些机器人也已经准备好处理它。"

某中心 Scout 高级应用科学经理表示："我们的机器人也做类似的事情。如果遇到以前从未遇到过的新型障碍物，会尝试调整模型来识别和处理这些障碍物，然后部署到所有机器人上。"

系统架构与优化

团队花费大量时间思考机器人技术栈的演化方式。某中心 Scout 高级应用科学经理解释说："我们思考如何在不同程度的集成之间取得平衡。一个极端是从摄像头到电机扭矩的学习，这在任何现实世界的机器人应用中都非常具有挑战性。另一个是传统的机器人技术栈，明确分为定位、感知、规划和控制。"

技术团队采用共享主干网络、多个专用头部的机器学习架构。物体是什么、分割物体的含义对于拾取、存储或包装可能是相似的，但每个任务可能需要位于主干网络顶部的专用头部。

人机交互安全设计

某中心全球机器人首席技术专家强调："当我们的机器设计得当时，人类永远不会使问题复杂化，只会让问题更容易。我们有责任设计能够通过提供安全效益和便利性来增强人类环境的机器。"

某中心 Scout 高级应用科学经理补充道："与客户和社区的直接互动对我们至关重要。我们身份的重要组成部分不仅是外观，还包括通过运动、让行行为等表现出来的方式。"

某中心机器人AI总监指出："机器人正在进入人们的世界，因此必须尊重人类世界中发生的所有复杂互动。当我们行走、驾驶时，除了执行的任务外，还有这种复杂的社会互动。对机器人来说，首先要对其有意识，其次要参与其中。"

现实世界的变异性挑战

某中心 Scout 高级应用科学经理提到："行为差异很大。有时宠物完全忽略机器人，根本不在乎；有时狗直接冲向机器人。行人也类似，有些人忽略机器人，而有些人直接走近它。特别是孩子们：他们超级好奇，互动非常密切。需要能够安全地处理所有类型的场景。"

这种巨大的变异性使得机器人技术领域变得异常激动人心，也推动了相关技术的不断创新和发展。
更多精彩内容 请关注我的个人公众号 公众号（办公AI智能小助手）或者 我的个人博客 https://blog.qife122.com/
对网络安全、黑客技术感兴趣的朋友可以关注我的安全公众号（网络安全技术点滴分享）

公众号二维码

公众号二维码