网站首页百科全书 > 正文

研究人员引入了新方法允许机器人在扫描的家庭环境模拟中接受训练

2024-08-02 11:23:02 百科全书来源：

导读许多人的自动化愿望清单中排在首位的是一项特别耗时的任务：家务。许多机器人专家的梦想是设计出合适的硬件和软件组合，让机器能够学习在任...

许多人的自动化愿望清单中排在首位的是一项特别耗时的任务：家务。

许多机器人专家的梦想是设计出合适的硬件和软件组合，让机器能够学习在任何情况下、任何地方都适用的“通才”策略(指导机器人行为的规则和策略)。

但实际上，如果你有一个家用机器人，你可能并不太在意它是否能为你的邻居工作。考虑到这一点，麻省理工学院计算机科学与人工智能实验室 (AIL) 的研究人员决定尝试找到一种解决方案，以便轻松训练针对特定环境的稳健机器人策略。

麻省理工学院 AIL 的 Improbable AI 实验室研究助理、这项研究的论文主要作者 Marcel Torne Villasevil 说道：“我们的目标是让机器人在单一环境中，在干扰、分心、不同的光照条件和物体姿势变化的情况下，都能表现得非常出色。”该论文发表在预印本服务器arXiv上。

“我们提出了一种利用计算机视觉领域的最新进展即时创建数字孪生的方法。只需使用手机，任何人都可以捕捉现实世界的数字复制品，并且得益于 GPU 并行化，机器人可以在模拟环境中比现实世界更快地进行训练。我们的方法通过利用一些现实世界的演示来启动训练过程，从而消除了对大量奖励工程的需求。”

将机器人带回家

当然，RialTo 比简单地挥动手机(砰!)即可让家用机器人为您服务要复杂一些。首先，使用您的设备通过 NeRFStudio、ARCode 或 Polycam 等工具扫描目标环境。重建场景后，用户可以将其上传到 RialTo 的界面进行详细调整，为机器人添加必要的关节等。

经过优化的场景被导出并带入模拟器。在这里，我们的目标是根据现实世界的动作和观察制定策略，例如从柜台上抓取杯子的策略。这些现实世界的演示在模拟中得到复制，为强化学习提供了一些有价值的数据。

版权说明： 本文由用户上传，如有侵权请联系删除！

标签：