史丹佛推出「Mobile ALOHA」機器人 開發快速訓練機器人新方法
編譯／曲姵蓉
2023年人工智慧蓬勃發展，帶動機器人軟體能力大幅增長，如何讓機器人更通用、學習力更強、更具成本效益，是各大公司的研發重點。美國史丹佛大學最新研究指出，他們把機器人的工作拆解成單個動作，結合新舊訓練數據，讓機器人更快學會新技能，同時還能開發機器人透過不同做法完成任務的可能性。
史丹佛大學訓練輪式機器人「Mobile ALOHA」
根據報導，美國史丹佛大學研究團隊僅用32000美元就成功打造出一個輪式機器人「Mobile ALOHA」，並設置七項需要移動且靈活的任務給機器人。透過研究團隊人員遠端操作機器人，最終他們成功教會機器人執行指定任務。
20次不同的烹調方法 開發機器人更多可能性
報導指出，光就煮出蝦仁滑蛋這道菜，研究人員就教了機器人近20次，每一次的步驟跟烹煮技巧都稍有不同，最終成功讓機器人學會用不同方式完成相同任務。而機器人也能利用研究人員教它的這些技能，去執行更多與原本任務完全不同的新工作。
「共同訓練方法」結合新舊數據 提升學習效率
該專案顧問Chelsea Finn助理教授認為，這種把新舊數據結合在一起的「共同訓練方法」，讓機器人學習效率更高。一般常見的人工智慧訓練系統，是利用上百萬個不同的範例數據訓練AI，盡可能最大化系統數據庫。但是史丹佛大學採用的方法，則是將機器人的任務拆解成不同動作，讓機器人用現有的數據，學習更多新技能。這種做法的可擴充性很強，只要我們餵給機器人更多數據動作，它就能自己拆解、模仿並處理更多廚房任務。
關鍵在如何善用人工智慧訓練機器人
專家強調，機器人缺乏人類與生俱來的精確度、協調性和對周圍環境的理解能力，所以有些對我們而言很輕鬆的工作，機器人卻很難執行。但是人工智慧的出現有望打破這個僵局，例如Google RT-2系統，結合視覺語言模型與機器人，讓人類得以對機器人發出口頭命令。因此如何妥善利用人工智慧，快速訓練機器人系統，成為未來通用機器人產業的重中之重。
未來，史丹佛大學研究團隊將收集更多數據訓練「Mobile ALOHA」，讓它完成更多高難度任務。對於機器人而言，它們無法理解剛洗好的衣服為甚麼會皺巴巴還全部捲在一起，因此研究團隊的下一個目標，是要訓練機器人學會自動洗衣服和摺衣服。
瀏覽 3,421 次
