這篇文章最初發(fā)表在加州大學(xué)伯克利分校的BAIR博客（https://bair.berkeley.edu/blog/）上。

看上面的圖片。如果我讓你給我?guī)б粭l野餐毯到草地上，你能做到嗎？當(dāng)然了。那如果我讓你帶一輛裝滿食物的車來參加聚會(huì)，你會(huì)把車推到鋪好的小路上還是推到草地上？當(dāng)然是鋪好的路啦。

雖然這些問題的答案似乎顯而易見，但今天的移動(dòng)機(jī)器人很可能會(huì)在這些任務(wù)上失?。核麄儠?huì)認(rèn)為高高的草地就像水泥墻，不知道平坦的道路和崎嶇的草地有什么區(qū)別。這是因?yàn)榇蠖鄶?shù)移動(dòng)機(jī)器人純粹是從幾何學(xué)的角度來思考：它們探測(cè)障礙物的位置，并圍繞這些感知到的障礙物規(guī)劃路徑，以達(dá)到目標(biāo)。這種純粹的幾何世界觀不足以解決許多導(dǎo)航問題 -- 光是幾何學(xué)是不夠的。

Photo: UC BerkeleyBADGR consists of a Clearpath Jackal mobile platform equipped with an NVIDIA Jetson TX2 computer, IMU, GPS, and wheel encoders. Forward-facing cameras, a 2D lidar, and a compass were added to the standard configuration.

我們能讓機(jī)器人直接從圖像中推理出導(dǎo)航信號(hào)嗎？為了探索這個(gè)問題，我們開發(fā)了一種機(jī)器人，它可以通過自己在現(xiàn)實(shí)世界中的經(jīng)驗(yàn)，自主地學(xué)習(xí)環(huán)境的物理屬性，而無需任何模擬或人類的監(jiān)督。我們稱我們的機(jī)器人學(xué)習(xí)系統(tǒng)為BADGR：伯克利自主駕駛地面機(jī)器人（the Berkeley Autonomous Driving Ground Robot）。

BADGR通過以下方式工作：

1. 自主采集數(shù)據(jù)

2. 自動(dòng)標(biāo)注數(shù)據(jù)并進(jìn)行自我監(jiān)控

3. 基于圖像的神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型的訓(xùn)練

4. 利用預(yù)測(cè)模型對(duì)未來進(jìn)行規(guī)劃并執(zhí)行將引導(dǎo)機(jī)器人完成所需導(dǎo)航任務(wù)的操作

數(shù)據(jù)收集

Image: UC BerkeleyBADGR autonomously collecting data in off-road (left) and urban (right) environments.

BADGR需要大量多樣的數(shù)據(jù)才能成功地學(xué)習(xí)如何導(dǎo)航。機(jī)器人使用簡(jiǎn)單的時(shí)間相關(guān)隨機(jī)行走控制器收集數(shù)據(jù)。當(dāng)機(jī)器人收集數(shù)據(jù)時(shí)，如果遇到碰撞或卡住，它會(huì)執(zhí)行一個(gè)簡(jiǎn)單的重置控制器，然后繼續(xù)收集數(shù)據(jù)。

自監(jiān)督數(shù)據(jù)標(biāo)記

接下來，BADGR利用數(shù)據(jù)計(jì)算特定導(dǎo)航事件的標(biāo)簽，例如機(jī)器人的位置，以及機(jī)器人是否碰撞或在崎嶇不平的地形上行駛，然后將這些事件標(biāo)簽添加回?cái)?shù)據(jù)集中。這些事件通過讓人編寫一小段代碼來標(biāo)記，這些代碼將原始傳感器數(shù)據(jù)映射到相應(yīng)的標(biāo)簽。例如，用于確定機(jī)器人是否在顛簸地形上的代碼片段將查看IMU傳感器，并在角速度幅值較大時(shí)將地形標(biāo)記為顛簸。

我們將這種標(biāo)記機(jī)制描述為自我監(jiān)督形式，因?yàn)楸M管一個(gè)人必須手動(dòng)編寫此代碼段，但可以使用此代碼段標(biāo)記所有現(xiàn)有和將來的數(shù)據(jù)，而無需任何額外的人工操作。

神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型

Image: UC BerkeleyThe neural network predictive model at the core of BADGR.

然后BADGR利用這些數(shù)據(jù)訓(xùn)練一個(gè)深層神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型。該神經(jīng)網(wǎng)絡(luò)將當(dāng)前攝像機(jī)圖像和未來計(jì)劃的動(dòng)作序列作為輸入，并輸出對(duì)未來相關(guān)事件（如機(jī)器人是否會(huì)碰撞或在崎嶇不平的地形上行駛）的預(yù)測(cè)。訓(xùn)練神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型以盡可能準(zhǔn)確地預(yù)測(cè)這些未來事件。

規(guī)劃和導(dǎo)航

Image: UC BerkeleyBADGR predicting which actions lead to bumpy terrain (left) or collisions (right).

在部署B(yǎng)ADGR時(shí)，用戶首先定義一個(gè)獎(jiǎng)勵(lì)函數(shù)，該函數(shù)對(duì)他們希望機(jī)器人完成的特定任務(wù)進(jìn)行編碼。例如，獎(jiǎng)勵(lì)功能可以鼓勵(lì)朝目標(biāo)駕駛，同時(shí)阻止碰撞或在崎嶇不平的地形上駕駛。然后，BADGR使用經(jīng)過訓(xùn)練的預(yù)測(cè)模型、當(dāng)前圖像觀察和獎(jiǎng)勵(lì)函數(shù)來計(jì)劃使獎(jiǎng)勵(lì)最大化的一系列動(dòng)作。機(jī)器人執(zhí)行這個(gè)計(jì)劃中的第一個(gè)動(dòng)作，BADGR繼續(xù)在計(jì)劃和執(zhí)行之間交替，直到任務(wù)完成。

在我們的實(shí)驗(yàn)中，我們研究了BADGR如何在加州大學(xué)伯克利分校（UC Berkeley）附近的一個(gè)大型場(chǎng)外設(shè)施中了解環(huán)境的物理屬性。我們將該方法與使用激光雷達(dá)規(guī)劃無碰撞路徑的基于幾何體的策略進(jìn)行了比較。（請(qǐng)注意，BADGR僅使用車載攝像頭。）

Image: UC BerkeleyBADGR successfully reaches the goal while avoiding collisions and bumpy terrain, while the geometry-based policy is unable to avoid bumpy terrain.

我們首先考慮的任務(wù)是，城市環(huán)境中，在避免碰撞和崎嶇地形的同時(shí)，達(dá)到目標(biāo)GPS位置。BADGR總是成功完成任務(wù)，且避免顛簸的地形。注意，我們從未告訴過機(jī)器人在道路上行駛；BADGR從車載攝像機(jī)圖像中自動(dòng)得知，在具體的道路上行駛比在草地上行駛更加平滑。

Image: UC BerkeleyBADGR successfully reaches the goal while avoiding collisions, while the geometry-based policy is unable to make progress because it falsely believes the grass is an untraversable obstacle.

?我們還考慮了在避免碰撞和被困在越野環(huán)境中的同時(shí)達(dá)到目標(biāo)GPS位置的任務(wù)?；趲缀螌W(xué)的方法幾乎從未發(fā)生崩潰或陷入草地，但有時(shí)會(huì)出現(xiàn)拒絕移動(dòng)的情況 -- 因?yàn)樗徊莸匕鼑螅e(cuò)誤將草地地標(biāo)記為不可規(guī)避的障礙。

BADGR幾乎總是通過避免碰撞和卡住來達(dá)到目標(biāo)，而不是錯(cuò)誤地預(yù)測(cè)所有的草都是障礙。這是因?yàn)锽ADGR從經(jīng)驗(yàn)中學(xué)到，大多數(shù)草實(shí)際上是可以穿越的。

Image: UC BerkeleyBADGR’s navigation capability improves as it gathers more data.

?除了能夠了解環(huán)境的物理屬性之外，BADGR的一個(gè)關(guān)鍵方面是它能夠在收集越來越多的數(shù)據(jù)時(shí)不斷地自我監(jiān)督和改進(jìn)模型。為了證明這種能力，我們進(jìn)行了一項(xiàng)對(duì)照研究，其中BADGR收集和訓(xùn)練來自一個(gè)區(qū)域的數(shù)據(jù)，移動(dòng)到一個(gè)新的目標(biāo)區(qū)域，在該區(qū)域?qū)Ш绞?，但在收集和?xùn)練來自該區(qū)域的額外數(shù)據(jù)后，最終在目標(biāo)區(qū)域獲得了成功。

這個(gè)實(shí)驗(yàn)不僅證明了BADGR在收集更多的數(shù)據(jù)時(shí)可以改進(jìn)，而且當(dāng)BADGR遇到一個(gè)新的環(huán)境時(shí)，以前收集的經(jīng)驗(yàn)實(shí)際上可以幫助其加速學(xué)習(xí)。隨著BADGR在越來越多的環(huán)境中自動(dòng)收集數(shù)據(jù)，在每個(gè)新的環(huán)境中成功地學(xué)習(xí)導(dǎo)航所需要的時(shí)間也越來越少。

我們還評(píng)估了BADGR在從森林到城市建筑等新環(huán)境中的導(dǎo)航能力。這一結(jié)果表明，如果BADGR能夠在足夠大和多樣的數(shù)據(jù)集上進(jìn)行收集和訓(xùn)練，它可以推廣到新的環(huán)境中使用。

BADGR背后的關(guān)鍵洞見是，通過直接從現(xiàn)實(shí)世界的經(jīng)驗(yàn)中自主學(xué)習(xí)，BADGR可以學(xué)習(xí)導(dǎo)航功能，在收集更多數(shù)據(jù)時(shí)進(jìn)行改進(jìn)，并進(jìn)行推廣。盡管我們相信BADGR是朝著全自動(dòng)、自我改進(jìn)的導(dǎo)航系統(tǒng)邁出的有希望的一步，但仍然存在一些開放的問題：機(jī)器人如何在新環(huán)境中安全地收集數(shù)據(jù)，或如何在新數(shù)據(jù)流進(jìn)入時(shí)適應(yīng)，或如何應(yīng)對(duì)非靜態(tài)環(huán)境，如人類走動(dòng)呢？

我們認(rèn)為，解決這些和其他挑戰(zhàn)對(duì)于使機(jī)器人學(xué)習(xí)平臺(tái)能夠在現(xiàn)實(shí)世界中學(xué)習(xí)和行動(dòng)至關(guān)重要。

Gregory Kahn是加州大學(xué)伯克利分校BAIR（Berkeley AI Research）實(shí)驗(yàn)室的博士生，師從Sergey Levine教授和Pieter Abbeel教授。他的主要研究目標(biāo)是開發(fā)能夠讓機(jī)器人在現(xiàn)實(shí)世界中操作的算法。他目前的研究是針對(duì)移動(dòng)機(jī)器人的深度強(qiáng)化學(xué)習(xí)。