如果你家里有一个机器人，它可以和你一起收拾杂货，叠衣服，做饭，洗碗，在客人来之前收拾好，这不是很神奇吗?对我们中的一些人来说，机器人助手——队友——可能只是一种方便。
但对其他人来说，包括我们日益增长的老年人，像这样的应用程序可能是住在家里还是住在辅助护理机构的区别。如果做得好，我们相信这些机器人将放大和增强人类的能力，让我们享受更长寿、更健康的生活。
几十年来关于未来的预言——主要是由科幻小说和流行娱乐推动的——鼓励了公众对有朝一日家用机器人将会出现的期望。多年来，企业一直在努力实现这样的预测，并研究如何安全地将功能更强大的机器人引入非结构化的家庭环境。
尽管科技在这个时代取得了巨大的进步，但到目前为止，我们在家里看到的机器人主要是吸尘器和玩具。大多数人都没有意识到当今最好的机器人离能够做基本的家务还有多远。当他们看到工厂中大量使用机械臂，或者YouTube上展示机器人功能的令人印象深刻的视频时，他们可能会合理地期望这些机器人现在可以用于家庭。
将机器人带入家庭
为什么家用机器人并没有像一些人期望的那样迅速实现呢?一个很大的挑战是可靠性。考虑:
- 如果你有一个机器人可以帮你把盘子放进洗碗机，如果它每周打碎一个盘子呢?
- 或者，如果你的孩子带回家一个“不”。1爸爸!她在当地的艺术工作室画的杯子，晚饭后，机器人把那个杯子扔进了垃圾桶，因为它没认出那是真的杯子?
将机器人引入家庭的一个主要障碍是操纵方面的核心未解决问题，这些问题阻碍了可靠性。正如我这周在机器人:科学与系统会议上,丰田研究所(TRI)正在研究机器人操纵的基本问题，以解决这些未解决的可靠性挑战。我们一直在追求机器人能力的独特组合，专注于非结构化环境中的灵巧任务。
与工厂里无菌的、可控的、可编程的环境不同，家庭是一个“狂野的西部”——无结构、多样。我们不能指望实验室测试能解释机器人在你家里看到的每一样不同的物体。这种挑战有时被称为“开放世界操纵”，是对“开放世界”电脑游戏的叫法。
尽管人工智能和机器学习最近取得了长足的进步，但仍然很难设计出一个系统来处理家庭环境的复杂性，并保证它(几乎)总是正确工作。
TRI解决了可靠性差距
上面是一个演示视频，展示了TRI如何探索解决可靠性差距的稳健性挑战。我们使用机器人在洗碗机中装载盘子作为一个示例任务。我们的目标不是设计一个装洗碗机的机器人，而是将这项任务作为一种手段来开发工具和算法，这些工具和算法可以应用于许多不同的应用。
我们的重点不是硬件，这就是为什么我们在这次演示中使用一个工厂机械臂，而不是设计一个更适合家庭厨房的机械臂。
在我们的演示中，机器人使用安装在水槽周围的立体摄像头和深度学习算法来感知水槽中的物体。现在有很多机器人几乎可以捡起任何物体随机物体杂波清除已经成为一个标准的基准机器人挑战。在清理杂波时，机器人不需要对物体有太多的了解——感知基本的几何形状就足够了。
例如，该算法不需要识别物体是毛绒玩具、牙刷还是咖啡杯。鉴于此，这些系统对这些对象所能做的事情也相对有限;在大多数情况下，他们只能捡起物体并将其扔到另一个位置。在机器人世界里，我们有时把这些机器人称为“拾取和放下”。
把洗碗机装进去实际上比大多数机器人专家目前演示的要难得多，而且需要对物体有更多的了解。机器人不仅要识别杯子、盘子或“杂物”，还必须了解每个物体的形状、位置和方向，以便准确地将其放入洗碗机。
TRI正在进行的工作不仅表明这是可能的，而且还可以通过鲁棒性来实现，允许机器人连续运行数小时而不中断。
掌握家务
我们的操纵机器人有一个相对简单的手——一个两个手指的夹持器。手可以相对简单地握住杯子，但拿起盘子的能力就比较微妙了。盘子很大，而且可能堆叠在一起，所以我们必须执行一种复杂的“丰富接触”操作，即在盘子下面和盘子之间滑动一个手指，以便牢牢抓住盘子。这是人类很容易实现的灵巧类型的一个简单例子，但我们很少在健壮的机器人应用中看到。
银器也很棘手——它又小又亮，用机器学习摄像头很难看到。另外，考虑到机器人的手相对于较小的水槽来说比较大，机器人偶尔需要停下来，把银器推到水槽的中心，以便挑选。我们的系统还可以检测出一个物体是否不是杯子、盘子或银器，并将其标记为“杂物”，并将其转移到“丢弃”垃圾箱。
把这些部件连接起来是一项复杂的工作任务计划，它会不断决定机器人下一步应该执行什么任务。这个任务计划器会决定是否从洗碗机最下面的抽屉里放盘子，从中间的抽屉里放杯子，还是从最上面的抽屉里放银器。”
像其他组件一样，我们使它具有弹性——如果抽屉在需要打开时突然关闭，机器人会停止，把物体放在台面上，然后把抽屉拉出来再试一次。这种反应表明，这种能力与典型的精密、重复的工厂机器人有多大不同，后者通常与人类接触和环境随机性隔离。
相关内容:
- 丰田AI风投正在寻找基金2的合作伙伴，以了解机器人技术的发展方向
- 丰田AI风投(Toyota AI Ventures)推出第二个1亿美元基金，用于机器人和自动移动创业公司
- 人工智能是否需要一个人形来与我们互动?有利有弊
- Mobility能否为自动驾驶班车筹集1150万美元
模拟成功的关键
TRI方法的基础是使用模拟。模拟为我们提供了一种有原则的方法来设计和测试这种复杂的系统，具有令人难以置信的任务多样性和机器学习和人工智能组件。这让我们能够了解机器人在你家里和你的马克杯的表现水平，尽管我们还没能在你的杯子里测试厨房在我们的发展。
一个令人兴奋的成就是，我们已经取得了巨大的进步，使模拟足够强大，可以处理洗碗机装载任务的视觉和机械复杂性，并缩小了“模拟与真实”的差距。我们现在能够在模拟中进行设计和测试，并有信心将结果转移到真正的机器人上。最后，我们已经达到了一个点，我们几乎所有的开发都是在模拟中进行的，这在传统上不是机器人操作研究的情况下。
我们可以进行更多的模拟测试和更多样化的测试。我们不断地生成随机场景，以测试盘子加载的各个组件以及端到端性能。
让我给你一个简单的例子来说明它是如何工作的。考虑一下从水槽中取出一个杯子的任务。我们生成了一些场景，把杯子放在各种随机的配置中，测试以找到“极端情况”——我们的感知算法或抓取算法可能会失败的罕见情况。我们可以改变材料的特性和光照条件。我们甚至有算法可以生成随机但合理的杯子形状，从一个小的浓缩咖啡杯到一个巨大的圆柱形咖啡杯。
我们整夜进行模拟测试，每天早上我们都会收到一份报告，其中包含我们需要处理的新故障案例。
在早期，这些故障相对容易发现，也容易修复。有时它们是模拟器的故障——在模拟器中发生了一些在现实世界中不可能发生的事情——有时它们是我们的感知或抓取算法的问题。我们必须解决所有这些问题。
TRI正在使用一个用于家务的工业机器人来测试其算法。来源:三
当我们继续在健壮性的道路上前进时，失败变得越来越罕见和越来越微妙。我们用来发现这些故障的算法也需要更加先进。搜索空间如此之大，系统的性能如此微妙，有效地找到角落案例成为我们的核心研究挑战。
虽然我们是在厨房水槽中探索这个问题，但核心思想和算法是由相关问题驱动的，并且适用于验证自动驾驶技术等相关问题。
“修复”算法
我们接下来的工作重点是开发算法，以便在发现新的故障案例时自动“修复”感知算法或控制器。因为我们正在使用模拟，所以我们不仅可以针对这个新发现的场景测试我们的更改，还可以确保我们的更改也适用于我们在前面的测试中发现的所有其他场景。
当然，仅仅修复这个测试是不够的。我们必须确保我们也不会破坏之前通过的所有其他测试。可以想象在不久的将来，这种修复可以直接发生在你的厨房里，如果一个机器人不能正确地处理你的杯子，那么世界上所有的机器人都能从这个错误中学习。
我们致力于在开放世界操作中实现灵巧和可靠性。为解决这个问题，我们将在TRI进行一系列的实验，而装洗碗机只是其中一个例子。
这是一个漫长的过程，但最终它将产生能力，将更先进的机器人带入家庭。当这种情况发生时，我们希望老年人能得到他们需要的帮助，有尊严地老去，与机器人助手一起工作，这将增强他们的能力，同时让他们更独立，更长久。
编者按:本文由TRI机器人研究副总裁、麻省理工学院教授Russ Tedrake博士发表，经授权转载丰田研究所．
了下:AI•机器学习，机器人报告，机器人•机器人抓手•末端执行器
告诉我们你的想法!