如果我們要鍛煉一個人類小孩最基本的運動智力，比如抓握抬舉，或者是疊被子疊衣服這樣的家務活兒，幾乎是不需要指導的。

很多時候只要將嬰孩放置到日常生活情境中，讓他與周圍的環(huán)境和物體互動，大多數(shù)就能在玩耍中自動掌握判斷空間、重力、協(xié)調等能力了。

[[253015]]

與之相比，機器人就比較“嬌生慣養(yǎng)”了。

目前絕大多數(shù)機器人，都無法自我適應和從對復雜的環(huán)境中學習通用運動能力。

這就帶來了一個難題：機器人只能很“笨拙”地完成一些程序員率先編程好的動作，并且是用單一的物體來完成單一的技能，這個特定的任務和道具就是它的全世界。比如，會遞杯子就不會疊被子。

這意味著，我們可能要設計成千上萬種機器人，只為了應對某一個具體任務。這實在是太蠢了。不過，要讓機器學會自主感知世界，并根據(jù)環(huán)境變化做出相應的動作，那可是個大工程。

最近，伯克利大學就研究出了一種新的算法，基于視覺模型的強化學習，讓全能機器人成為可能。

換句話說，原本獨屬于人類的“元運動智力”，也有望在機器身上打開。

當機器人具有了掌握一般性技能并將其內化成“經(jīng)驗”的能力，能夠靈活地執(zhí)行多種同類任務，不需要每次都重新學習或編程，前景顯然是值得驚喜的。

那么，這么神奇的事情究竟是怎么實現(xiàn)的?

新算法是如何指導機器工作的?

簡要來說，這種算法可以通過一個預測墨西哥，使用沒有標簽的感官數(shù)據(jù)集，讓機器自主學習大量多樣化的圖像，進而在完成任務時更靈活地預測和判斷。這樣，它就能執(zhí)行在各種不同的物體上執(zhí)行很多不同任務，而不需要針對每個對象或每個任務都重新學習一次。

在伯克利大學的研究人員眼中，能夠在單一模式下獲得這種通用型運動能力，是智力的一個基本體現(xiàn)。

那么，這種方法究竟是如何指導機器人完成工作的呢?

首先，研究人員為機器人制作一個龐大且豐富多彩的數(shù)據(jù)集合，不局限于某一個物體或某一項技能;

然后，為機器人裝上了能夠感知圖像像素(視覺)、手臂位置(自我感覺)和發(fā)送電機指令(動作)的各種傳感器。

完成這些準備工作之后，就讓兩個機器人同時在資源庫中自主收集數(shù)據(jù)和學習，并且實時進行分享。

由于兩個機器人可以分享彼此的感覺和數(shù)據(jù)，這就使其掌握了預測接下來手臂移動路線的能力，從而使得動作的運動范圍具備了更大的伸縮彈性，以完成操作不同類型物體的多樣任務。

比如他們就讓一臺機器完成了移動蘋果這樣的剛性物體，以及折疊衣服這樣的柔性物體，機器人都表現(xiàn)的還不錯。

[[253016]]

而且，即使面對以前從未見過的目標，雖然做出的預測并非和人類一樣十全十美，但仍然可以有效地完成指定任務。

比如下圖中，研究人員給出的任務是把蘋果放在盤子里，中間是機器人做出的計劃，然后是執(zhí)行的情況。

這個算法模型在想法上絕對是別具一格。一直以來，基于預期結果來規(guī)劃行動路線，并根據(jù)不同步驟和觀察狀況來實時迭代和改進計劃，是人類應對復雜世界意外的獨特技能。如今，機器人也有望學會這樣的“高智力”游戲，在應用性上帶來的改變令人真實心動了。

重建機器效率的坐標系：新模型的應用場景

現(xiàn)實環(huán)境是復雜多樣的，提高機器人對環(huán)境的適應能力，讓任務執(zhí)行更加靈活，這個新算法確實給機器人應用帶來了極大的想象空間。

***的亮點在于，對機器的功能設想更符合現(xiàn)實情況。通用能力可以很容易地被遷移到不同的任務上，大大減少了完成特定任務所需要開發(fā)和部署的算法數(shù)量。

目前看來，新模型至少會在以下領域革新機器人的表現(xiàn)：

1. 客服機器人。大多數(shù)客服機器人對環(huán)境不具備適應性，需要程序員將各種情況考慮在內，有的甚至直接由人工在后臺進行交互操作。但有了通用模型算法之后，機器人就能夠在與人類用戶的交互中自主學習，學會解決一些開放型問題，變得更加自主靈活。
2. 醫(yī)學機械。目前，醫(yī)學機器人只能作為醫(yī)生雙手的延伸來協(xié)助完成手術任務。要自主完成高精度手術，幫助減少醫(yī)生的勞力，醫(yī)學機器人必須能夠感知手術部位的空間位置、處理更精細、更高復雜度的操作，新的模型顯然提供了更多的可能性。
3. 工業(yè)機械。工業(yè)機器人已經(jīng)擁有了一定的通用性和適應性，但往往都需要跟隨其工作環(huán)境變化的需求再編程，或者是更換不同的操作器來執(zhí)行不同任務，都會帶來一定的成本。如果新算法被真實應用起來，工業(yè)生產(chǎn)的成本和效率都將變得更低。
4. 個性化視頻生成。除了在現(xiàn)實世界中進行動作感知和理解預測，該算法在視頻生成領域也有極大空間。比如系統(tǒng)可以通過大量無需標記的視頻資源自主學習，根據(jù)視頻中的人物進行體態(tài)識別和模仿，讓AI量身定制高擬人度的視頻成為可能。

掌握了通用技能的機器應用還有很多，其背后的商業(yè)前景也十分廣闊，畢竟效率才是人類發(fā)明機器的初衷。

品嘗果實之前，還需應對哪些挑戰(zhàn)?

說了這么多，感覺新算法的實現(xiàn)并不難，應用端也有著足夠的承托力。是不是很快就可以成為現(xiàn)實了呢?

目前來看，在“摘桃子”之前，該算法還有一些特殊的限制，可能會使其在實際應用中受阻。

一是需要的訓練數(shù)據(jù)量很大。機器做出實際可執(zhí)行的操作預測，完全依賴于龐大多元化數(shù)據(jù)集。

為了讓機器能夠根據(jù)預測先前幀的運動分布來想象和模擬接下來的像素運動，研究人員引入了59,000個機器人交互的數(shù)據(jù)集，進行大規(guī)模自監(jiān)督學習。

如何在成本控制之下獲取龐大優(yōu)質的數(shù)據(jù)資源，恐怕會成為算法落地的頭號門檻。

二是無監(jiān)督學習帶來的一系列問題。比如，由于訓練數(shù)據(jù)完全沒有標簽和獎勵機制，如何保證機器人能夠理解并接受指定任務，再以結果導向展開行動，在現(xiàn)實層面有很多未知性。

伯克利的解決方案是設置一個自我監(jiān)督算法，讓機器保持對目標的興趣，持續(xù)跟蹤并不斷重試，直至成功。但是否能夠穩(wěn)定輸出，還需要更多的補充研究。

再比如，無監(jiān)督下機器做出的預測都是人類無法用自主經(jīng)驗來解釋的，有可能并不是***的傳輸方案，還可能因為“黑箱”帶來不可預知的風險。

當我們還不理解自己的“元智力”是如何運作的時候，又如何保證可以將機器的“元智力”控制的很好呢?

總而言之，這一算法雖然很令人驚喜，但也并非***。想象很美好，實用性也不算差，但從實驗室到商業(yè)場景之間，還有很長的一段路要走。