未来机器人也可以像人一样进行学习？

您印象中的机器人还仅仅是按照代码指令完成任务吗？其实，通过观察人类行为来进行操作才是机器人的未来趋势。

图片由斯坦福视觉和学习实验室提供

在前不久的GPU技术大会上，来自斯坦福大学的Animesh Garg和Marynel Vázquez在主题为《机器人移动和操控的通用性自主能力》的演讲中分享了他们的研究成果。

通俗来讲，通用性自主能力是指机器人可以观察、学习并模仿人类行为，进而在各种任务和情况中加以应用。例如，通过观看YouTube视频学习烹饪，或者找到走出一间拥挤房间的方法。

Cooking 101

Garg是斯坦福视觉和学习实验室（CVGL）的博士后研究员。他热衷烹饪，还特别喜欢机器人。但是，他认为如果未来的每台机器人都只会做一道菜，就太无聊了。

目前，精通单个任务的机器人已经很常见，但Garg 则致力于研究如何实现他自己的“通用型机器人梦想”。

实现这个梦想的途径可能就在于神经任务编程 (NTP)，这是一种新的元学习方法。NTP利用层次化结构，并学习使用模块化机器人API进行编程，从而仅通过一个测试示例即可执行隐藏任务。

例如，机器人厨师会将烹饪视频输入到它的系统里，然后使用分层式神经程序将视频数据分解成Garg所说的基于视觉线索和时间序列的结构化任务表达式。

机器人并非只学习制作肉丸意大利面的单一菜谱，而是会了解组成该任务的所有子程序或组件。如此一来，这位崭露头角的机器人厨师便可以在其他场景中展示其烧水、油炸肉丸和煨酱汁等烹饪技能。

解决任务域（而非任务实例）是Garg所谓的元学习的关键所在。NTP已经取得了一些令人鼓舞的成果，其结构化的分层式方法在处理隐藏任务时比扁平化编程表现优越。此外，在处理可见任务时NTP也同样出色。

感到太拥挤了？跟着机器人走吧

我们都经历过这样的情况。您尝试穿过拥挤的房间，然后突然发现自己撞到了迎面走来的陌生人。

您向右移动以绕开他，但他也向右，并且仍然挡着路。出于本能，你们都移动到另一个方向，然后又撞到了！

为了打破尴尬的场面，你们中的一个人开玩笑说“我们来跳个舞吧！”终于，你们越过彼此继续前进。

在一个拥挤的空间中行走时，理解人们如何以及为何按照某种方式移动十分重要。教会机器人理解这些规则是非常艰巨的任务。下面，我们来认识下Vázquez和CVGL的机器人Jackrabbot 。

Jackrabbot在2015年首次踏上人行道，以低于每小时五英里的行人速度进行小批量运送。正如Vázquez所解释的那样，Jackrabbot（得名于他校园中频繁出现的野生动物的名字）是用于解决在人群中预测人体运动这一复杂问题的工具。

让自动驾驶车辆学会在非结构化空间（比如真实世界）中行驶是一个涉及多方面因素的问题。“安全是第一要务，”Vázquez 说。

为了解决安全问题，他们开始利用深度学习开发了一种生成式对抗网络 (GAN)，将JackRabbot相机捕获的实时数据与GAN即时生成的图像进行比较。

这些图像代表如果一个区域可以安全通过，机器人所应该看到的内容，例如走廊上没有关闭的门、被丢弃的家具或站在路上的行人。如果现实情形满足这些理想条件，JackRabbot就会继续行走。否则，它就会进行紧急制动。

然后，这支团队转向了多目标任务，即“追踪无法追踪的行人”。在人群中优雅地穿梭不仅需要迅速判断“我的路线是否清晰？”，还要追踪朝不同方向移动的多人的行动路线，并预测他们接下来的目的地。

在这里，该团队使用长短期记忆方法构建了一个递归神经网络，以解释随时间测量的多个线索，包括外观、速度、相互作用和相似性等。

一篇已发表的研究论文已经深入探讨了这些技术细节。但实际上，CVGL设计了一种新颖的方法，可以学习人们在拥挤空间的常识行为，然后利用这种理解来预测每个人接下来可能前往的“轨迹”。

因此，如果下一次您发现自己在一个满是陌生人的房间中即将遭遇“我们来跳个舞吧！”的尴尬时刻，请记得花点时间去探寻规律，将每个人的运动轨迹记忆在脑海之中。

当然您也可以采取捷径——找一个JackRabbot，让它为您指路。近期，配备双路NVIDIA GPU的JackRabbot 2.0已经发布。