25分鐘訓(xùn)練機器人學(xué)會6個動作，伯克利開發(fā)高效機器人操縱框架
加入技術(shù)交流群
量子位 報道 | 公眾號 QbitAI
這個機械臂正在完成夠、拿、移、推、點、開等6個動作。
而且動作嫻熟，還不存在失誤。
更令人意外的是，訓(xùn)練這個機械臂，只花了短短25分鐘。
即使有人為干擾，它也能夠成功完成抓取動作。
還能抓起以前沒有見過的物體形狀。
這就是來自加州大學(xué)伯克利分校的一項新研究——高效機器操作框架Framework for Efficient Robotic Manipulation（FERM），專門對機械臂進行高效率操作的算法訓(xùn)練。
FERM為什么比其他方法效率高?
目前來看，大多數(shù)針對機器人訓(xùn)練的的RL算法效率都不是很好。
采用稀疏獎勵的方法訓(xùn)練Dota5游戲的人機操作，使之成為達到人類玩家的高手水平，需要花180年的游戲時間。
訓(xùn)練一個機械臂的手勢，則需要上千萬的模擬學(xué)習(xí)的樣本和兩周的訓(xùn)練時間。
Sim2Real和模擬學(xué)習(xí)這兩個方法稍微好點。Sim2Real需要接受模擬訓(xùn)練，再將訓(xùn)練結(jié)果運用到現(xiàn)實事例中。
模擬學(xué)習(xí)則需要通過一系列的專業(yè)訓(xùn)練示范案例和監(jiān)督學(xué)習(xí)，才能得出最后的訓(xùn)練策略，實驗結(jié)果非常依賴于輸入示范案例的質(zhì)量。
FERM優(yōu)勢在于，既沒有依靠模擬訓(xùn)練轉(zhuǎn)換到現(xiàn)實，也不用高度依賴于輸入的示范案例的質(zhì)量。
而是基于非監(jiān)督性表征學(xué)習(xí)和數(shù)據(jù)擴張技術(shù)，使用了pixel-based RL。
因此，它僅僅需要10個Demo，25分鐘的訓(xùn)練時間，就可以讓機器人學(xué)會六個動作。
FERM具體怎么訓(xùn)練？
FERM采用了基于像素的強化學(xué)習(xí)（pixel-based RL）方法。
具體而言，先收集小部分演示數(shù)據(jù)，并且將這些數(shù)據(jù)存放在“回放緩沖區(qū)”上。
然后，用觀察結(jié)果結(jié)合對比損失量，來對編碼器進行預(yù)訓(xùn)練。
而后，編碼器和“回放緩沖區(qū)”運用一種線下的數(shù)據(jù)來加強RL算法，對RL智能體進行訓(xùn)練。
在論文中，研究人員總結(jié)了FERM主要優(yōu)點：
1、高效率：FERM可以學(xué)習(xí)6種不同操作任務(wù)的最優(yōu)策略，在15-50分鐘的訓(xùn)練時間內(nèi)完成每項任務(wù)。
2、簡單統(tǒng)一的框架：框架結(jié)合現(xiàn)有的組成部分，將無監(jiān)督的預(yù)訓(xùn)練和在線RL與數(shù)據(jù)擴充成一個單一高效的框架。
3、常規(guī)輕量設(shè)置：實施起來只需要一個機器人、一個GPU、兩個攝像頭、幾個演示，以及稀疏獎勵函數(shù)等等。
具體的實驗結(jié)果如何？
實驗結(jié)果
這項實驗采用像素觀察的方法執(zhí)行了一系列任務(wù)。下圖的每一欄顯示了初始、中間、結(jié)果等三個狀態(tài)。只有當(dāng)機器人完成任務(wù)時，才會獲得稀疏獎勵。
這個訓(xùn)練算法的效率可謂很高了。具體完成時間如下圖表格所示，在30分鐘左右，它就可以讓機器人學(xué)習(xí)操作任務(wù)。而簡單的“夠”（Reach）動作，則只需要三分鐘。
實驗結(jié)果稱，它不需要很多的Demo，也不需要到大量的設(shè)備，首次完成任務(wù)的平均時間為11分鐘，并且可以在25分鐘內(nèi)訓(xùn)練出25分鐘訓(xùn)練機器人學(xué)會6個動作，伯克利開發(fā)高效機器人操縱框架6個機械動作。
所以研究人員驕傲地說：
“據(jù)我們所知，F(xiàn)ERM是第一個能在不到一小時的時間內(nèi)，能通過像素點直接完成來自不同組、采用稀疏獎勵方法的機器操作任務(wù)。”
而根據(jù)相關(guān)報告，未來十年，制造業(yè)將需要460萬個崗位。許多制造商也都在轉(zhuǎn)向自動化生產(chǎn)，機械自動化將占比越來越高。FERM這樣的高效訓(xùn)練框架，可謂是制造業(yè)福音。
參考鏈接：
https://venturebeat.com/2020/12/16/new-framework-can-train-a-robotic-arm-on-6-grasping-tasks-in-less-than-an-hour/
評論