本文轉(zhuǎn)自雷鋒網(wǎng)，如需轉(zhuǎn)載請至雷鋒網(wǎng)官網(wǎng)申請授權(quán)。

?2022年5月23日，一年一度的機(jī)器人技術(shù)領(lǐng)域的頂級國際會議 ICRA 2022 (IEEE International Conference on Robotics and Automation) 在美國費(fèi)城如期舉行。

這是ICRA舉辦的第39個年頭。ICRA 是 IEEE 機(jī)器人和自動化學(xué)會的旗艦會議，也是機(jī)器人研究者展示和討論他們工作的主要國際論壇。

在今年的ICRA上，亞馬遜的三位首席機(jī)器人專家，Sidd Srinivasa、 Tye Brady 和 Philipp Michel 簡單討論了在現(xiàn)實(shí)世界中構(gòu)建人機(jī)互動的機(jī)器人系統(tǒng)所面臨的挑戰(zhàn)。

圖注：從左到右為亞馬遜機(jī)器人人工智能主管 Sidd Srinivasa，亞馬遜機(jī)器人公司（全球）首席技術(shù)專家 Tye Brady，以及亞馬遜 Scout 應(yīng)用科學(xué)高級經(jīng)理 Philipp MichelSidd

Srinivasa是全球知名的機(jī)器人專家，IEEE Fellow，現(xiàn)任華盛頓大學(xué)波音特聘教授，同時是 Amazon 機(jī)器人人工智能項目的負(fù)責(zé)人，負(fù)責(zé)管理協(xié)助 Amazon 物流中心員工的自主機(jī)器人的算法，研究可以收拾和包裝產(chǎn)品的機(jī)器人和可自主搬卸和運(yùn)輸貨物的推車式機(jī)器人。

Tye Brady是亞馬遜機(jī)器人公司（全球）首席技術(shù)專家，MIT航空航天工程碩士背景。而Philipp Michel與Sidd Srinivasa同為CMU機(jī)器人研究所的博士校友，是亞馬遜Scout機(jī)器人項目的高級經(jīng)理。

在探討解決機(jī)器人落地挑戰(zhàn)的問題上，他們提出了自己的看法。AI科技評論作了不改原意的整理，如下：

Q: 你們在機(jī)器人領(lǐng)域的研究分別解決不同的問題，這些問題之間有什么相同點(diǎn)？

Sidd Srinivasa：機(jī)器人研究的一個重要難點(diǎn)是：我們生活在一個開放的世界中。我們甚至不知道即將面對的「輸入」是什么。在我們的營運(yùn)中心，我需要操控超過2000萬件物品，而且這些物品還以每天成千上百件的數(shù)量在增加。大部分時候，我們的機(jī)器人并不清楚它們所拾起的物品是什么，但它們需要小心地拾起物品，并在不損壞物品的前提下將物品進(jìn)行快速包裝。

Philipp Michel：對于Scout來說，難點(diǎn)是在人行道上遇到的物體，以及運(yùn)送的環(huán)境。我們在美國四個州都部署了私人送貨設(shè)備。天氣狀況、光照條件……我們從一開始就明確要處理大量的變量，使機(jī)器人能夠適應(yīng)復(fù)雜的環(huán)境。

Tye Brady：在開發(fā)執(zhí)行機(jī)器人的過程中，我們有一個顯著的優(yōu)勢，就是在半結(jié)構(gòu)化的環(huán)境中展開運(yùn)營。我們可以自行制定機(jī)器人的交通規(guī)則，了解環(huán)境真的有助于我們的科學(xué)家和工程師深入理解我們要移動、操作、分類和識別的物體，完成訂單。也就是說，我們可以在真實(shí)世界中實(shí)現(xiàn)對技術(shù)的追求。

Philipp Michel ：還有另一個共同點(diǎn)，就是我們非常依賴從數(shù)據(jù)中學(xué)習(xí)，以解決問題。Scout 會在執(zhí)行任務(wù)的過程中接收真實(shí)世界的數(shù)據(jù)，然后不斷迭代開發(fā)用于感知、定位和導(dǎo)航的機(jī)器學(xué)習(xí)解決方案。

Sidd Srinivasa：我完全同意（從數(shù)據(jù)中學(xué)習(xí)解決問題）。我認(rèn)為機(jī)器學(xué)習(xí)和自適應(yīng)控制是超線性規(guī)模拓展的關(guān)鍵。如果我們部署了成千上萬的機(jī)器人，我們不可能有成千上萬的科學(xué)家和工程師來研究它們，我們需要依賴真實(shí)世界的數(shù)據(jù)，實(shí)現(xiàn)超線性地增長。

另外，我認(rèn)為開放的世界會迫使我們思考怎樣「持續(xù)學(xué)習(xí)」。我們的機(jī)器學(xué)習(xí)模型往往是基于一些輸入數(shù)據(jù)分布來訓(xùn)練的，但因為這是一個開放的世界，會遇到「協(xié)變量轉(zhuǎn)移」（covariate shift）的問題，也就是看到的數(shù)據(jù)與分布不匹配，這會導(dǎo)致機(jī)器學(xué)習(xí)模型常常沒來由地過于自信。

因此，我們所做的大量工作就是創(chuàng)建一個「watchdogs」（看門狗，一種監(jiān)督設(shè)備），用來識別輸入數(shù)據(jù)分布何時偏離了它所受訓(xùn)的分布。然后，我們再進(jìn)行「重要性抽樣」（importance sampling），這樣我們就可以挑選出已經(jīng)改變的數(shù)據(jù)，重新訓(xùn)練機(jī)器學(xué)習(xí)模型。

Philipp Michel：這也是為什么我們想要在不同的地方訓(xùn)練機(jī)器人的原因之一，這樣我們就可以盡早知道機(jī)器人可能遇到的現(xiàn)實(shí)數(shù)據(jù)，反過來迫使我們開發(fā)能夠解決新數(shù)據(jù)的方案。

Sidd Srinivasa：這的確是個好主意。擁有多機(jī)器人的優(yōu)點(diǎn)之一就是系統(tǒng)能夠識別出變化的內(nèi)容，重新進(jìn)行訓(xùn)練，然后將這些知識分享給其他機(jī)器人。

想到一個分揀機(jī)器人的故事：在世界的某個角落，一個機(jī)器人遇到一個新的包裝類型。一開始，它很困擾，因為它從來沒有見過這種情況，也無法識別出來。后來出現(xiàn)了一個新的解決方案：這只機(jī)器人可以將新的包裝類型傳輸給世界上所有機(jī)器人。如此一來，當(dāng)這種新包裝類型出現(xiàn)在其他地方，其余機(jī)器人就知曉如何處理了。相當(dāng)于有了一個「備份」，新的數(shù)據(jù)出現(xiàn)在一個點(diǎn)，其他點(diǎn)都會知道，因為系統(tǒng)已經(jīng)能夠重新自我訓(xùn)練、并分享信息了。

Philipp Michel：我們的機(jī)器人也在做類似的事情。如果我們的機(jī)器人遇到之前沒有遇到過的新障礙，我們會嘗試調(diào)整模型來識別與處理這些障礙，隨后將新的模型部署到所有的機(jī)器人上。

讓我夜不能寐的一件事情是，我們的機(jī)器人會在人行道上遇到新的物體，但這些物體在接下來的三年都不會再遇到，例如：人們在萬圣節(jié)上用來裝飾草坪的滴水獸，或者人們在野餐的桌子上放一把傘、使桌子看起來不像「野餐桌」。對于這種情況，所有的機(jī)器學(xué)習(xí)算法都無法識別出這是一張野餐桌。

因此，我們的部分研究還是關(guān)于如何平衡無需糾結(jié)的普通事物與具體類別的事物。如果這是一個敞開的井蓋口，那么機(jī)器人一定要善于識別，不然它會掉下去。但如果它只是一個隨機(jī)的盒子，我們可能就不需要知道這個盒子的層次結(jié)構(gòu)，只需要知道這是我們要繞過去的物體即可。

Sidd Srinivasa：另一個挑戰(zhàn)是，當(dāng)你改變你的模型時，可能會出現(xiàn)意想不到的后果。改變后的模型也許不會影響機(jī)器人的感知，但可能會改變機(jī)器人「剎車」方式，導(dǎo)致兩個月后滾珠軸承磨損。在端到端的系統(tǒng)中，未來許多有趣的研究都是關(guān)于“理解系統(tǒng)部分更改對整個系統(tǒng)性能的影響”。

Philipp Michel：我們花了很多時間思考是否應(yīng)該劃分機(jī)器人堆棧的不同部分。在他們之間做整合能夠帶來很多好處，但也是有限的。一個極端情況是攝像頭到電機(jī)到扭矩的學(xué)習(xí)，這在任何現(xiàn)實(shí)世界的機(jī)器人應(yīng)用中都是非常具有挑戰(zhàn)性的。還有就是傳統(tǒng)的機(jī)器人堆棧，它被很好地分成了定位、感知、規(guī)劃和控制等部分。

我們還花了很多時間思考堆棧應(yīng)該如何隨著時間的推移而發(fā)展，把這些部分更緊密地結(jié)合在一起時性能有什么提升？同時，我們希望有一個系統(tǒng)盡可能地保持可解釋性。我們試圖最大化利用整個堆棧的學(xué)習(xí)組件集成，同時保留可解釋性和安全功能的數(shù)量。

Sidd Srinivasa：這個觀點(diǎn)很贊，我完全同意 Philipp 的觀點(diǎn)，用一個模型來統(tǒng)治所有模型未必是正確的。但通常，我們最終建立的機(jī)器學(xué)習(xí)模型共享一個主干，有多個應(yīng)用的頭。一個物體是什么，分割一個物體意味著什么？可能類似于挑選、堆放或者包裝，但是每一個都需要專門的頭，搭載在專門任務(wù)的主干上。

Philipp Michel：我們考慮的一些因素是電池、行程、溫度、空間和計算限制。因此，我們需要高效使用我們的模型、優(yōu)化模型、并嘗試盡可能多地利用共享主干，就像 Sidd 提到的，不同的頭用于不同的任務(wù)。

圖注：Amazon Scout 是一個自動送貨機(jī)器人，它可以在公共人行道上以步行的速度移動，目前正在美國四個州進(jìn)行實(shí)地測試。

Q：當(dāng)我問及你們項目之間的共性時，我想到的一件事是你們的機(jī)器人都是和人類在同樣的環(huán)境中工作。為什么這會使問題復(fù)雜化呢？

Sidd Srinivasa：機(jī)器人正在走近人類生活，我們必須尊重發(fā)生在人類世界中的所有復(fù)雜的互動。除了走路、開車、執(zhí)行任務(wù)外，還有復(fù)雜的社交。對機(jī)器人來說重要的是，首先，要有意識；其次，要參與其中。

這真的很難，當(dāng)你在開車的時候，有時很難判斷其他人在想什么，也很難根據(jù)他們的想法來決定如何行動。僅僅是推理問題就很難，然后閉環(huán)就更難了。

如果機(jī)器人正在下棋或與人對弈，那么預(yù)測他們將要做什么就容易多了，因為規(guī)則已經(jīng)很好地制定了。如果你假設(shè)你的對手是最優(yōu)的，那么你會做得很好，即使他們是次優(yōu)的。這在某些雙人游戲中是種保證。

但實(shí)際情況并非如此，我們在玩這種確保雙贏的合作博弈發(fā)現(xiàn)，博弈時其實(shí)很難準(zhǔn)確預(yù)測，即便合作者也是好意。

Philipp Michel：而且人類世界的行為變化很大。有的寵物完全無視機(jī)器人，有的寵物會走向機(jī)器人。行人也是如此，有些人對機(jī)器人視而不見，而有些人則徑直走近它。特別是孩子，他們的好奇心超強(qiáng)，互動非常密切，我們需要能夠安全地處理所有相處場景，這些可變性讓人躍躍欲試。?