麻省理工学院研究人员开发AI系统，帮助机器人操控物体
只有一岁的孩子就已经比机器人更灵巧。当然，机器可以做的远不止举起和放下物体，但我们还未能复制出天生的探索欲望或精细灵巧的操作能力。
OpenAI公司曾尝试用“Dactyl”（源自希腊语daktylos，意为“手指”）完成这一任务，利用其仿人机器人手借助软件解开魔方。这是迈向更通用人工智能的一步，也是与通常只专注单一任务的思路相反的第一步。DeepMind公司则开发了“RGB-Stacking”——一种基于视觉的系统，使机器人学会抓取物体并将其堆叠。
麻省理工学院（MIT）计算机科学与人工智能实验室（CSAIL）的科学家们一直致力于让机器复制人类的能力，他们开发出了一个更大规模的框架：一个能够用机器人手重新定位2000多种不同物体的系统。这种操控任何物体的能力（从杯子到金枪鱼罐头和Cheez-It饼干盒）可以帮助机器手快速拿起并以特定方式放置在指定位置（甚至能在不同角度下将其在手中转动）。
这种灵巧的“手工操作”通常局限于单一任务和直立姿态，但它可能在物流和制造业中发挥优势，帮助完成一般性要求，例如将物品装入配货槽，或灵巧地操作更广泛的工具。团队使用了一只具有24个自由度的模拟仿人手，并证明该系统未来可以迁移到真实的机器人系统中。
“工业中最常用的是平行夹爪，部分原因在于其控制简单，但它无法操作我们日常生活中见到的许多工具。即使是使用钳子也很困难，因为夹爪无法灵巧地前后移动钳柄。我们的系统将使多指机械手能够灵巧地操作此类工具，从而为机器人技术开辟新的应用领域”
这种在手中重新定位物体的操作长期以来是机器人学中的难题，原因在于需要控制大量电机，且手指与物体之间的接触状态频繁变化。MIT系统通过测试2000个物体获得了大量经验。当手掌朝下时，问题变得更加复杂。机器人不仅要操控物体，还必须“克服”重力，以防物体掉落。
研究团队发现，简单的方法也能解决复杂问题。他们采用了无模型强化学习算法（即系统需要根据与环境的交互来计算价值函数）结合深度学习，以及所谓的“师生”学习方法。
为实现这一点，“教师”网络基于物体和机器人的信息进行训练，这些信息在模拟中容易获取，但在现实世界中则不然，例如指尖位置或物体速度。为确保机器人能够在模拟之外运行，“教师”的知识被转化为可在现实世界中获取的观测数据，例如摄像头拍摄的深度图像、物体位置和机器人关节位置。
他们还使用了“重力课程”，即机器人先在失重条件下学习技能，然后逐步使控制器适应正常重力环境，这种节奏确实提升了整体性能。虽然这听起来可能不合逻辑，但一个控制器（即机器人的“大脑”）能够在无需了解形状的情况下，重新定位大量从未见过的物体。
“最初我们认为，在机器人操控物体时用于识别形状的视觉感知算法会是主要难题。相反，我们的结果表明，可以学习到不依赖形状的可靠控制策略。这说明视觉感知在操控中可能远不如我们想象的那样重要，而更简单的感知处理策略可能已经足够”
许多小型圆形物体（苹果、网球、弹珠）在手上上下翻转时几乎有百分之百的成功率。不出所料，对于勺子、螺丝刀或剪刀等较复杂的物体，成功率仅为30%。研究人员希望将该系统推向市场，因为未来成功率将不再依赖于物体的形状。团队指出，基于物体形状训练模型可以提升性能。
陈涛与MIT CSAIL博士研究生徐杰（Jie Xu）以及MIT教授普尔基特·阿格拉瓦尔共同撰写了这项研究的论文。该研究由丰田研究所、亚马逊研究奖以及DARPA机器常识项目资助。该成果将于2021年在机器人学习大会（CoRL）上发表。
