首页 > 经济 > > 正文
2019-11-07 15:44:49

Blue的创造者希望新机器人能够加速家用机器人技术的发展

导读 机器人可能具有超人类力量和精确度的诀窍,但他们仍然在努力完成一些基本的人工任务 - 比如折叠衣物或制作一杯咖啡。进入Blue,这是一种

机器人可能具有超人类力量和精确度的诀窍,但他们仍然在努力完成一些基本的人工任务 - 比如折叠衣物或制作一杯咖啡。

进入Blue,这是一种新型低成本,人性化的机器人,由加州大学伯克利分校的一组研究人员构思和建造。Blue旨在利用人工智能(AI)和深层强化学习的最新进展来掌握复杂的人工任务,同时保持足够的经济和足够安全,每个人工智能研究人员 - 最终每个家庭 - 都可以拥有一个。

Blue是加州大学伯克利分校电子工程和计算机科学教授Pieter Abbeel,博士后研究员Stephen McKinley和研究生David Gealy的心血结晶。该团队希望Blue能够加速家庭机器人技术的发展。

“AI已经为现有机器人做了很多工作,但我们想设计一款适合AI的机器人,”Abbeel说。“现有的机器人太昂贵了,人类不安全,同样不安全 - 如果他们通过反复试验来学习,他们很容易就会自我打破。我们想要创造一个适合AI时代的新机器人,而不是高精度,亚毫米级,工厂自动化时代。“

在过去的10年中,Abbeel开创了深度强化学习算法,帮助机器人通过反复试验或者像傀儡这样的人类来指导学习。他使用外部公司制造的机器人开发了这些算法,这些机器人以数万美元的价格销售它们。

Blue的耐用塑料零件和高性能电机的制造和组装总价不到5,000美元。它的手臂,每个大小与普通健美运动员的大小相当,对外力很敏感 - 就像用手推开它一样 - 并且具有圆形边缘和最小的夹点,以避免抓住流浪的手指。蓝色的手臂可以非常僵硬,就像人类弯曲,或者非常灵活,就像人类放松,或者介于两者之间的任何东西。

目前,该团队正在内部建立10个武器,以分发选择早期采用者。他们正在继续研究Blue的耐用性,并解决制造机器人的巨大挑战,这将通过加州大学伯克利分校的Berkeley Open Arms实现。今天在该网站上开始表示对优先权访问感兴趣的注册,

“使用成本更低的机器人,每个研究人员都可以拥有自己的机器人,而这个愿景是这个项目背后的主要驱动力之一 - 通过在世界上拥有更多的机器人来完成更多的研究,”麦金利说。

从移动的雕像到像猫一样轻盈

机器人技术传统上一直专注于工业应用,机器人需要强度和精度才能完美地执行重复性任务。这些机器人在高度结构化,可预测的环境中蓬勃发展 - 与传统的美国家庭相去甚远,在那里您可能会在地板上找到孩子,宠物和脏衣服。

“我们经常将这些工业机器人描述为移动雕像,”Gealy说。“它们非常坚硬,意味着从A点到B点再到A点完美。但如果你命令它们走过一厘米经过一张桌子或一堵墙,它们就会撞到墙上并锁上,打破自己或打破墙壁。没什么好的。“

如果人工智能会在非结构化环境中犯错并学习,那么这些僵硬的机器人就无法工作。为了使实验更安全,Blue被设计为受力控制 - 对外力非常敏感,总是调节它在任何给定时间施加的力量。

“这个机器人的设计非常酷的一点是,我们可以使它具有力敏感性,美观性和反应性,或者我们可以选择让它非常坚固和非常坚硬,”Gealy说。“研究人员可以调整机器人的刚度,以及什么样的刚度 - 你想让它感觉像糖蜜吗?你想让它感觉像一个弹簧吗?这些组合?如果我们想让机器人走向家里并且在这些日益非结构化的环境中执行,他们将需要这种能力。“

为了以低成本实现这些功能,该团队考虑了Blue完成以人为中心的任务所需的功能,以及它可以实现的功能。例如,研究人员给了Blue一个广泛的运动 - 它的关节可以在与人类肩膀,肘部和手腕相同的方向上移动 - 使人类能够更容易地教它如何使用虚拟现实完成棘手的动作。但敏捷的机器人手臂缺乏典型机器人的一些强度和精度。

“我们意识到你不需要一直发挥特定力量的机器人,或者一直以来特定的精确度。只需要一点智能,你就可以放松这些要求,让机器人更像人类正在实现这些任务,“麦金莱说。

蓝色能够在双臂完全伸展的情况下持续承受2公斤的重量。但不像传统机器人设计的特点是一致的“力/电流限制”,蓝色被设计为“热限制”,McKinley说。这意味着,与人类相似,它可以在快速爆发时施加超过2千克的力,直到达到其热限制并且需要时间来休息或冷却。这就像人们如何拿起洗衣篮并轻松地将其携带穿过房间,但可能无法在不经常休息的情况下携带相同的洗衣篮超过一英里。

“从本质上讲,我们可以从更弱的机器人中获得更多。”盖利说。“一个较弱的机器人更安全。最强大的机器人是最危险的。我们想设计最弱的机器人,它仍然可以做真正有用的东西。”

“研究人员一直在为现有硬件开发人工智能,大约三年前,我们开始思考,'也许我们可以通过其他方式做点什么。也许我们可以考虑一下我们可以构建哪些硬件来增强AI并在这两条路径上工作同时,“麦金莱说。“而且我认为这与许多研究方式发生了巨大的转变。”