因人工智慧的崛起,未來機器人將大幅取代部分具有危險性且繁瑣的工作,不論在一般生活抑或是商業用途,機器人都將成為人類仰賴的重要夥伴之一。同時,如何讓機器人達到理想的行為模式來輔助人類,也是機器人相關產業極為重要的研究方向,而現今透過多項突破性的技術,則可有效大幅簡化打造與訓練機器人的過程,將機器人的發展推向一個全新的階段。
![透過多項突破性的技術,可有效大幅簡化打造與訓練機器人的過程。](/news/2017/05/12/1814148480S.jpg) |
透過多項突破性的技術,可有效大幅簡化打造與訓練機器人的過程。 |
NVIDIA執行長暨創辦人黃仁勳表示,以AI為基礎的機器人具有無窮潛力並能改善生活,但打造與訓練的過程卻得面臨許多艱難挑戰。舉例來說,在展開部署機器人的計畫前,通常機器人得事先進行大量的訓練與測試,但若直接將機器人的實體原型機製作出來,則還需打造完整的環境讓機器人與之互動,並設法想出所有可能遭遇的情況後建立模型,但如此一來,整個過程既不安全也極為複雜,甚至會耗費高額成本與時間,簡而言之,這樣的作法是不切實際的。
而透過人工智慧的技術進行訓練,則可大幅降低訓練過程中所耗費的成本與不便性。NVIDIA即是透過開發Isaac機器人模擬器,可讓使用者在實際投入部署前事先於高度擬真的虛擬環境中訓練機器人,以進一步改善機器人的訓練與測試流程。
Isaac機器人模擬器採用NVIDIA的先進模擬器、渲染及深度學習技術。在這種虛擬環境下,開發者能透過深度學習訓練技術設定各種測試情境,只須短短幾分鐘便能完成模擬。當模擬過程達到滿意後,獲得的資訊將迅速傳送到真實世界的機器人,並將獲得的知識提供給製作實品的部門,接著開發者能反覆嘗試與調校機器人的測試方法,並在兩種情境間交流情資。由於 Isaac 進行的模擬具高度擬真,因此,不僅訓練速度快,最終成品所須調整幅度也較傳統開發更少。
另一種訓練,則是透過「Robot-to-Robot」的方式,實現由機器人教導機器人學習。現在比較成熟的機器人訓練方式,大多是由人類透過編寫程式,或引導機器人觀察和模仿來使其執行特定的任務,但即便擁有仿效能力,機器人之間卻仍不能進行知識轉移。
由麻省理工學院所開發出一種名為「C-LEARN」的系統,這項技術最令人驚嘆的是,它可讓一個機器人的「學習成果」直接傳遞給新的機器人,且還能是不同類型的機器人。舉例來說,麻省理工學院的研究人員起初對一小型機器人Optimus進行教學,之後在該系統的協助下,Optimus能將新技能全部教導給另一個應用於拆卸炸彈,且近兩百公分高的雙足人形機器人Atlas。這個系統另外一個特別之處在於,甚至普通人不用學習編程也可以很輕鬆地指導機器人來完成某項任務。
研究人員聲稱,這種訓練方式可讓機器人在更快速且低成本的情況下進行訓練。他們表示,這項應用有望拓展到機器人對處理災難的預先學習上,如核災處理或炸彈拆卸處理。有些災害突如其來,在情況十分危急的情形下,若機器人能夠預先訓練如何處理的話,即可讓救災人員以更快速的方式部署措施來應對災害。