斯坦福團(tuán)隊(duì)新作：喊話就能指導(dǎo)機(jī)器人，任務(wù)成功率暴增，網(wǎng)友：特斯拉搞快點(diǎn)

        ICC訊  斯坦福的 ALOHA 家務(wù)機(jī)器人團(tuán)隊(duì)，發(fā)布了最新研究成果——項(xiàng)目名為 Yell At Your Robot（簡稱 YAY），有了它，機(jī)器人的“翻車”動作，只要喊句話就能糾正了！而且機(jī)器人可以隨著人類的喊話動態(tài)提升動作水平、即時(shí)調(diào)整策略，并根據(jù)反饋持續(xù)自我改進(jìn)。

        比如在這個(gè)場景中，機(jī)器人沒能完成系統(tǒng)設(shè)定的“把海綿放入袋子”的任務(wù)。這時(shí)研究者直接朝它喊話，“用海綿把袋子撐得再開一些”，之后就一下子成功了。而且，這些糾正的指令還會被系統(tǒng)記錄下來，成為訓(xùn)練數(shù)據(jù)，用于進(jìn)一步提高機(jī)器人的后續(xù)表現(xiàn)。

        有網(wǎng)友看了說，既然已經(jīng)能朝著機(jī)器人喊話了，那汽車是不是也快點(diǎn)安排上，還在線點(diǎn)名特斯拉和其自動駕駛軟件總監(jiān) Ashok Elluswamy。成果發(fā)布后，前谷歌機(jī)器人高級研究員 Eric Jang，前 DeepMind 研究員、斯坦?？妥淌?Karol Hausman 等一眾大佬也紛紛表示了肯定和贊許。那么，用喊話調(diào)整的機(jī)器人，都能實(shí)現(xiàn)什么樣的動作呢？

       喊話就能發(fā)號施令

        利用 YAY 技術(shù)調(diào)教后，機(jī)器人以更高的成功率挑戰(zhàn)了物品裝袋、水果混合和洗盤子這三項(xiàng)復(fù)雜任務(wù)。這三種任務(wù)的特點(diǎn)是都需要兩只手分別完成不同的動作，其中一只手要穩(wěn)定地拿住容器并根據(jù)需要調(diào)整姿態(tài)，另一只手則需要準(zhǔn)確定位目標(biāo)位置并完成指令，而且過程中還涉及海綿這種軟性物體，拿捏的力度也是一門學(xué)問。

        以打包裝袋這個(gè)任務(wù)為例，機(jī)器人在全自主執(zhí)行的過程中會遇到各種各樣的困難，但通過喊話就能見招拆招。只見機(jī)器人在將裝袋的過程中不小心把海綿掉落了下來，然后便無法再次撿起。這時(shí)，開發(fā)者直接朝它喊話，口令就是簡單的“往我這邊挪一挪，然后往左”。當(dāng)按照指令做出動作后，第一次還是沒成功，但機(jī)器人記住了“往左”這個(gè)指令，再次左移之后便成功把海綿撿起來了。

        但緊接著就出現(xiàn)了新的困難 —— 袋子的口被卡住了。這時(shí)只要告訴它再把袋子打開一點(diǎn)點(diǎn)，機(jī)器人就“心領(lǐng)神會”，調(diào)整出了一系列后續(xù)動作，并最終成功完成任務(wù)。

        而且不只是能糾正錯(cuò)誤，任務(wù)的細(xì)節(jié)也能通過喊話實(shí)時(shí)調(diào)整，比如在裝糖的任務(wù)中，開發(fā)者覺得機(jī)器人拿的糖有點(diǎn)多了，只要喊出“少一點(diǎn)”，機(jī)器人就會將一部分糖果倒回盒子。

        進(jìn)一步地，人類發(fā)出的這些指令還會被系統(tǒng)記錄并用作微調(diào)，以提高機(jī)器人的后續(xù)表現(xiàn)。比如在刷盤子這項(xiàng)任務(wù)中，經(jīng)過微調(diào)之后的機(jī)器人清潔力度更強(qiáng)，范圍也變大了。

        統(tǒng)計(jì)數(shù)據(jù)表明，機(jī)器人在經(jīng)歷這種微調(diào)之后，平均任務(wù)成功率提高了 20%，如果繼續(xù)加入喊話指令還能繼續(xù)提高。

        而且這樣的指令-微調(diào)過程可以迭代進(jìn)行，每迭代一次機(jī)器人的表現(xiàn)都能有所提升。

        那么，YAY 具體是如何實(shí)現(xiàn)的呢？

        人類教誨“銘記在心”

        架構(gòu)上，整個(gè) YAY 系統(tǒng)主要由高級策略和低級策略這兩個(gè)部分組成。其中高級策略負(fù)責(zé)生成指導(dǎo)低級策略的語言指令，低級策略則用于執(zhí)行具體動作。

        具體來說，高級策略將攝像頭捕捉到的視覺信息編碼，與相關(guān)知識結(jié)合，然后由 Transformer 生成包含當(dāng)前動作描述、未來動作預(yù)測等內(nèi)容的指令。而低級策略接收到語言指令后，會解析這些指令中的關(guān)鍵詞，并映射到機(jī)器人關(guān)節(jié)的目標(biāo)位置或運(yùn)動軌跡。

        同時(shí)，YAY 系統(tǒng)引入了實(shí)時(shí)的語言糾正機(jī)制，人類的口頭命令優(yōu)先級最高 —— 經(jīng)識別后，直接傳遞給低級策略用于執(zhí)行。且在這個(gè)過程中命令會被系統(tǒng)記錄并用于微調(diào)高級策略 —— 通過學(xué)習(xí)人類提供的糾正性反饋，逐漸減少對即時(shí)口頭糾正的依賴，從而提高長期任務(wù)的自主成功率。

        在完成基礎(chǔ)訓(xùn)練并已經(jīng)在真實(shí)環(huán)境中部署后，系統(tǒng)仍然可以繼續(xù)收集指令信息，不斷地從反饋中學(xué)習(xí)并進(jìn)行自我改進(jìn)。

        作者簡介 

        本項(xiàng)目的第一作者是斯坦福大學(xué)的學(xué)生研究員 Lucy X. Shi，2019 年畢業(yè)于人大附中后進(jìn)入南加州大學(xué)就讀計(jì)算機(jī)科學(xué)專業(yè)。其間，Lucy 曾到英偉達(dá)實(shí)習(xí)研究多模態(tài)大模型，并曾與知名 AI 學(xué)者 Jim Fan 博士合作。她的論文曾連續(xù)兩年被機(jī)器人頂會 CoRL 收錄，還入選過 NeurIPS，本人還被 DeepMind 邀請發(fā)表過演講。Lucy 的導(dǎo)師 Chelsea Finn 是斯坦福計(jì)算機(jī)科學(xué)和電氣工程系助理教授，谷歌學(xué)術(shù)論文引用數(shù)超 4.7 萬，此前還在 Google Brain 工作過一段時(shí)間。包括本項(xiàng)目在內(nèi)，在 ALOHA 團(tuán)隊(duì)發(fā)表的一系列論文當(dāng)中，F(xiàn)inn 總是作為通訊作者出現(xiàn)。

        此外，ALOHA 團(tuán)隊(duì)的 Tony Z. Zhao、Sergey Levine 等研究人員，也是本文的共同作者。