NVIDIA为机器人技术的飞跃制定了路线图

Pieter Abbeel 在 NTECH 2021（NVIDIA 年度内部工程会议）上发表了在线演讲，为机器人技术的飞跃制定了路线图。

机器人技术先驱 Pieter Abbeel 表示，机器人技术需要在 AI 训练方面实现巨大的飞跃，才能成为我们日常生活中的多功能助手。如今的家用机器人已经拥有成熟的电子和机械系统，但它们缺乏适用于各种情况的 AI 技术。这是因为我们的软件和 AI 还没有好到足以让机器人普及到家庭的程度。

Abbeel 是加州大学伯克利分校的电子工程和计算机科学教授，也是该大学机器人学习实验室主任和伯克利人工智能研究（BAIR）实验室联合主任。在开展这些工作的同时，这位说话温和的比利时工程师还在主持机器人大脑播客。

在兼顾各种角色的同时，Abbeel 还在 OpenAI 工作了近两年。OpenAI 是由本次 GTC 2021 的演讲者—— Ilya Sutskever 等科技界名人于 2015 年成立的非营利组织，该组织旨在开发和发布造福人类的人工通用智能。

Abbeel 于 2017 年离开 OpenAI 并创办了 Covariant，开发用于仓库和工厂机器人自动化技术的 AI。该公司目前已融资 1.47 亿美元。在此之前，他与别人共同创办了 AI 辅助评级初创企业 Gradescope，该公司于 2018 年被收购。

NVIDIA 首席执行官黄仁勋在机器人技术讲座后与 Abbeel 进行了交谈，称他是“地球上最聪明的人之一”。

有大脑的机器人

Abbeel 在讲座中提出了他所认为的一个“好的起点”，即如何创造出更有能力、拥有大脑并且可以自己学习新任务的机器人。讲座中提到了 Geoffrey Hinton 等许多 AI 研究者的工作为实现这一目标所打下的基础。

Abbeel 将这一切归功于深度学习先驱 Yann LeCun，他很看好使用互联网视频为机器人训练一个用于预测的大型神经网络这一想法。这个想法需要机器人学习关于这个世界的知识，而且是机器人 AI 的一个重要组成部分。

机器人可以从视频（一连串待办事项）中学习完整的行为表征，而仅使用图片进行训练存在限制。他表示：“视频预测可能是构建一个良好预训练神经网络最为缺失的部分。该神经网络在构建后可以迅速用于现实世界中的其他机器人任务。”

文本训练对机器人也可能十分重要。他表示，机器人可能会从完整的事例中学习如何执行一连串活动，比如根据车主的命令将汽车送到汽车修理工处并处理整个过程，包括驾驶和与修理工商量取车时间。

大多数训练可通过模拟完成

Abbeel 认为大多数机器人训练应该在模拟中进行——我们不可能在现实世界中慢慢地训练机器人，任由机器人撞到各种东西，使其通过试验和错误来学习。

只需要在现实世界中进行少许训练，就能确保机器人也能在现实世界中做到同样的事情。“在现实世界中要想收集数百万个场景非常困难。”

“我们可以通过数千，甚至数百万次模拟进行训练，从而在较短的时间内获得想要的神经网络。这样做更经济，而且可以扩大规模、同时运行多项模拟。”

将研究成果转化为商业成果

在演讲结束后与黄仁勋的谈话中，Abbeel讨论了如何将大学研究与商业应用相联系。

黄仁勋表示：“在大学里进行开创性的研究，同时也将这门技术运用于机器人行业，还把它放到了一家真正的公司里，这样99%的问题将迎刃而解。”

Abbeel 也认为必须确保客户对网络性能和卖给他们的产品感到满意。他认为关键在于了解所开发的网络、进行大量的测试并获得统计数据。

他表示 Covariant 目前正在将 Covariant Brain 系统用于仓库中的货物取放，并且实现出色的端到端性能至关重要。

“如果不能让客户满意，那么向他们销售产品的意义何在？”

责任编辑：haq