Pieter Abbeel 在 NTECH 2021（NVIDIA 年度內(nèi)部工程會議）上發(fā)表了在線演講，為機器人技術(shù)的飛躍制定了路線圖。

機器人技術(shù)先驅(qū) Pieter Abbeel 表示，機器人技術(shù)需要在 AI 訓練方面實現(xiàn)巨大的飛躍，才能成為我們?nèi)粘Ｉ钪械亩喙δ苤?。如今的家用機器人已經(jīng)擁有成熟的電子和機械系統(tǒng)，但它們?nèi)狈m用于各種情況的 AI 技術(shù)。這是因為我們的軟件和 AI 還沒有好到足以讓機器人普及到家庭的程度。

Abbeel 是加州大學伯克利分校的電子工程和計算機科學教授，也是該大學機器人學習實驗室主任和伯克利人工智能研究（BAIR）實驗室聯(lián)合主任。在開展這些工作的同時，這位說話溫和的比利時工程師還在主持機器人大腦播客。

在兼顧各種角色的同時，Abbeel 還在 OpenAI 工作了近兩年。OpenAI 是由本次 GTC 2021 的演講者—— Ilya Sutskever 等科技界名人于 2015 年成立的非營利組織，該組織旨在開發(fā)和發(fā)布造福人類的人工通用智能。

Abbeel 于 2017 年離開 OpenAI 并創(chuàng)辦了 Covariant，開發(fā)用于倉庫和工廠機器人自動化技術(shù)的 AI。該公司目前已融資 1.47 億美元。在此之前，他與別人共同創(chuàng)辦了 AI 輔助評級初創(chuàng)企業(yè) Gradescope，該公司于 2018 年被收購。

NVIDIA 首席執(zhí)行官黃仁勛在機器人技術(shù)講座后與 Abbeel 進行了交談，稱他是“地球上最聰明的人之一”。

有大腦的機器人

Abbeel 在講座中提出了他所認為的一個“好的起點”，即如何創(chuàng)造出更有能力、擁有大腦并且可以自己學習新任務的機器人。講座中提到了 Geoffrey Hinton 等許多 AI 研究者的工作為實現(xiàn)這一目標所打下的基礎。

Abbeel 將這一切歸功于深度學習先驅(qū) Yann LeCun，他很看好使用互聯(lián)網(wǎng)視頻為機器人訓練一個用于預測的大型神經(jīng)網(wǎng)絡這一想法。這個想法需要機器人學習關(guān)于這個世界的知識，而且是機器人 AI 的一個重要組成部分。

機器人可以從視頻（一連串待辦事項）中學習完整的行為表征，而僅使用圖片進行訓練存在限制。他表示：“視頻預測可能是構(gòu)建一個良好預訓練神經(jīng)網(wǎng)絡最為缺失的部分。該神經(jīng)網(wǎng)絡在構(gòu)建后可以迅速用于現(xiàn)實世界中的其他機器人任務?！?/p>

文本訓練對機器人也可能十分重要。他表示，機器人可能會從完整的事例中學習如何執(zhí)行一連串活動，比如根據(jù)車主的命令將汽車送到汽車修理工處并處理整個過程，包括駕駛和與修理工商量取車時間。

大多數(shù)訓練可通過模擬完成

Abbeel 認為大多數(shù)機器人訓練應該在模擬中進行——我們不可能在現(xiàn)實世界中慢慢地訓練機器人，任由機器人撞到各種東西，使其通過試驗和錯誤來學習。

只需要在現(xiàn)實世界中進行少許訓練，就能確保機器人也能在現(xiàn)實世界中做到同樣的事情。“在現(xiàn)實世界中要想收集數(shù)百萬個場景非常困難?！?/p>

“我們可以通過數(shù)千，甚至數(shù)百萬次模擬進行訓練，從而在較短的時間內(nèi)獲得想要的神經(jīng)網(wǎng)絡。這樣做更經(jīng)濟，而且可以擴大規(guī)模、同時運行多項模擬?！?/p>

將研究成果轉(zhuǎn)化為商業(yè)成果

在演講結(jié)束后與黃仁勛的談話中，Abbeel討論了如何將大學研究與商業(yè)應用相聯(lián)系。

黃仁勛表示：“在大學里進行開創(chuàng)性的研究，同時也將這門技術(shù)運用于機器人行業(yè)，還把它放到了一家真正的公司里，這樣99%的問題將迎刃而解?！?/p>

Abbeel 也認為必須確?？蛻魧W(wǎng)絡性能和賣給他們的產(chǎn)品感到滿意。他認為關(guān)鍵在于了解所開發(fā)的網(wǎng)絡、進行大量的測試并獲得統(tǒng)計數(shù)據(jù)。

他表示 Covariant 目前正在將 Covariant Brain 系統(tǒng)用于倉庫中的貨物取放，并且實現(xiàn)出色的端到端性能至關(guān)重要。

“如果不能讓客戶滿意，那么向他們銷售產(chǎn)品的意義何在？”

責任編輯：haq