Alphabet将100台机器人部署到办公室处理日常任务
在过去几年里，X公司团队（隶属于Alphabet控股公司）与汉斯·彼得·布朗兹莫一直致力于探究，能否教会机器人在我们日常生活中杂乱、无结构的空间里完成有用的任务。
我们展望了这样一个世界：机器人与我们并肩工作，简化日常事务，例如分拣垃圾、清理咖啡馆的餐桌或收拾会议室的椅子。在更遥远的未来，我们设想机器人以多种方式为人类提供帮助，比如让老年人更长时间保持独立生活。
工程师们认为，机器人有潜力对社会产生深远的积极影响，并可在帮助我们过上更健康、更可持续的生活方式上发挥重要作用。尽管离我们设想的世界还很遥远，但近期实验的结果表明，我们或许正处在让这一未来最终成为现实的路上。
“此前我曾介绍过一项实验的进展，我们利用强化学习和仿真训练机器人分拣垃圾，以减少不必要的垃圾填埋。在证明机器人能够在实践中不断改进之后，我们设定了新目标：将机器人在完成某一任务时学到的知识加以迁移，应用于各种不同的任务，无需重新搭建机器人，也无需从零开始编写大量代码。今天，我很高兴地宣布，我们已经看到这一点可能实现的初步迹象”
目前，团队正在运营一支由100多台原型机器人组成的机队，这些机器人能够在公司办公室里自主完成一系列有用的任务。同一台分拣垃圾的机器人，现在可以加装擦桌装置，并使用同一个用来拿取杯子的夹爪学习开门。
现在，工程师们看到了打造通用可学习机器人的希望，他们计划离开X快速原型实验室，转而专注于在谷歌湾区部分园区扩大试点项目。他们还将从名称中去掉“项目”一词，改称Everyday Robots。
早在20世纪80年代，机器人学家和人工智能专家汉斯·莫拉维克就注意到一个现象：计算机很容易学会人类觉得困难的事情，比如下棋或做高等数学，但要让它们做人类觉得轻而易举的事情，比如行走、识别并与周围的物体互动，却极其困难。“难事易做，易事难做”这一常被引用的说法，几十年后依然成立。不过，机器学习领域的最新进展正在逐步改变这一局面。
如今，大多数机器人仍然在专门为它们设计、结构化甚至打过光的环境中工作。它们执行的任务非常具体，并经过精心编程，以便在恰当的时间准确完成这些任务。然而，这种方法在我们日常生活那错综复杂的空间里根本行不通。
试想一下，你要试图记录所有可能拿起一杯咖啡的方式，预判光线的变化，或者所有开门的方法。工程师们认为，要让机器人在我们生活和工作的非结构化、不可预测的空间中提供帮助，就不能对它们进行编程，而是必须让它们学习。
“过去几年里，我们打造了一套软硬件一体化系统，专门用于学习，包括将学习成果从虚拟世界迁移到现实世界。我们的机器人配备了各种摄像头和传感器，用于感知周围环境。通过结合强化学习、协同学习和示范学习等机器学习方法，机器人逐步更好地理解周围世界，并在完成日常任务方面变得越来越熟练”
这些机器人先在模拟世界中练习擦桌子等任务，然后再到现实世界中实践，从而缩短学习新动作所需的时间。机器人还能分拣可回收材料、废弃物和堆肥。
早在2016年，当时科学家团队没有使用模拟，而是利用小型实验室中的工业机器人配置，学习抓取玩具、钥匙和日常家居用品等小物件。一个机器人学会完成简单抓取，成功率为75%，用了四个月时间。
现在，一个机器人学会完成更复杂的任务，例如开门，成功率达90%，在现实世界中的训练时间不到一天。更令人兴奋的是，工程师们展示了如何将开门过程中获得的算法和知识应用到新任务上，即整理咖啡馆里的椅子。这一进展让人看到希望：打造通用型可学习机器人的项目可能完全可以实现。
未来几个月，在芒廷维尤工作的谷歌员工可能会看到Everyday Robot团队的原型机：午餐后在咖啡馆擦桌子，或打开会议室的门，检查房间是否需要整理。随着时间推移，工程师们将扩展机器人执行的任务范围，以及它们工作的建筑范围。
“正如我之前所说，制造酷炫的机器人本身并不是目的。我们希望打造的机器人能像计算机在我们数字生活中一样，在实体生活中发挥同样重要的作用。我们相信，机器人有巨大潜力成为帮助我们解决世界面临的一些重大问题的工具，从探索更可持续的生活方式到照顾亲人。但这些还为时尚早。目前，我们专注于教机器人学习新任务，并确保它们不会卡在走廊里，以便帮助我们。”
