波士頓動力的一個后空翻，讓我們看到了人造機(jī)器人所帶來的無限可能。?

盡管谷歌已于2017年把波士頓動力出手了，但谷歌仍然繼續(xù)他們的機(jī)器人開發(fā)之路，不只是在「身體」上逼近人類，在「智力」也追求更好的理解人類指令。

由Jeff Dean領(lǐng)銜的Google Research年終總結(jié)系列「Google Research, 2022 & beyond」已經(jīng)更新到第六期，本期的主題是「機(jī)器人」，作者為高級產(chǎn)品經(jīng)理 Kendra Byrne和谷歌機(jī)器人研究科學(xué)家Jie Tan

?在我們的有生之年，一定能看到機(jī)器人技術(shù)參與到人類的日常生活中，幫助提高人類的生產(chǎn)力和生活質(zhì)量。

在機(jī)器人技術(shù)廣泛應(yīng)用于以人為中心的空間（即為人而設(shè)計的空間，而不是機(jī)器）中的日常實際工作之前，需要確保它們能夠安全地為人們提供幫助。

在2022年，谷歌關(guān)注的挑戰(zhàn)是使機(jī)器人更有助于人類:

1. 讓機(jī)器人和人類更有效和自然地交流;
2. 使機(jī)器人能夠理解和應(yīng)用現(xiàn)實世界中的常識知識;
3. 擴(kuò)大機(jī)器人在非結(jié)構(gòu)化環(huán)境中有效執(zhí)行任務(wù)所需的低層次技能的數(shù)量。

當(dāng)LLM遇上機(jī)器人

大型語言模型(LLM)的一個特性是能夠?qū)⒚枋龊蜕舷挛木幋a成「人和機(jī)器都能理解」的格式。

當(dāng)把LLM應(yīng)用到機(jī)器人技術(shù)中時，可以讓用戶僅通過自然語言指令就能給機(jī)器人分配任務(wù)；當(dāng)與視覺模型和機(jī)器人學(xué)習(xí)方法相結(jié)合時，LLM 為機(jī)器人提供了一種理解用戶請求的上下文的方法，并能夠?qū)ν瓿烧埱笏扇〉男袆舆M(jìn)行規(guī)劃。

其中一個基本方法是使用 LLM 來提示其他預(yù)先訓(xùn)練的模型獲取信息，以構(gòu)建場景中正在發(fā)生的事情的上下文，并對多模態(tài)任務(wù)進(jìn)行預(yù)測。整個過程類似于蘇格拉底式的教學(xué)方法，教師問學(xué)生問題，引導(dǎo)他們通過一個理性的思維過程來解答。

在「蘇格拉底模型」中，研究人員證明了這種方法可以在zero-shot圖像描述和視頻文本檢索任務(wù)中實現(xiàn)最先進(jìn)的性能，并且還能支持新的功能，比如回答關(guān)于視頻的free-form問題和預(yù)測未來的活動，多模態(tài)輔助對話，以及機(jī)器人感知和規(guī)劃。

論文鏈接：https://arxiv.org/abs/2204.00598

在「邁向有益的機(jī)器人: 機(jī)器人可用性的基礎(chǔ)語言」一文中，研究人員與Everyday Robots合作，在機(jī)器人可用性模型中基于PaLM語言模型規(guī)劃長期任務(wù)。

博客鏈接：https://ai.googleblog.com/2022/08/towards-helpful-robots-grounding.html

在之前的機(jī)器學(xué)習(xí)方法中，機(jī)器人只能接受諸如「撿起海綿」等簡短的硬編碼命令，并且難以推理完成任務(wù)所需的步驟，如果任務(wù)是一個抽象的目標(biāo)，比如「你能幫忙清理這些灑出來的東西嗎?」，就更難處理了。

研究人員選擇使用 LLM 來預(yù)測完成長期任務(wù)的步驟順序，以及一個表示機(jī)器人在給定情況下實際能夠完成的技能的affordance 模型。

強(qiáng)化學(xué)習(xí)模型中的價值函數(shù)可以用來建立affordance 模型，即一個機(jī)器人在不同狀態(tài)下可以執(zhí)行的動作的抽象表示，從而將現(xiàn)實世界中的長期任務(wù)，如「整理臥室」與完成任務(wù)所需的短期技能，如正確挑選、放置和安排物品等聯(lián)系起來。

論文鏈接：https://arxiv.org/abs/2111.03189

同時擁有 LLM 和affordance 模型并不意味著機(jī)器人能夠成功地完成任務(wù)，通過內(nèi)心獨(dú)白（ Inner Monologue），可以結(jié)束基于 LLM 的任務(wù)規(guī)劃中的循環(huán)；利用其他信息來源，如人工反饋或場景理解，可以檢測機(jī)器人何時無法正確完成任務(wù)。

論文鏈接：https://arxiv.org/abs/2207.05608

利用Everyday Robots中的一個機(jī)器人，研究人員發(fā)現(xiàn) LLM 可以有效地重新規(guī)劃當(dāng)前或以前的失敗計劃步，機(jī)器人可以從失敗中恢復(fù)并完成復(fù)雜的任務(wù)，比如「把一個可樂放在最上面的抽屜里」。

在基于 LLM 的任務(wù)規(guī)劃中，其中一個突出能力就是機(jī)器人可以對高級目標(biāo)中間任務(wù)的變化做出反應(yīng)：例如，用戶可以告訴機(jī)器人在發(fā)生的事，通過提供快速糾正或重定向機(jī)器人到另一個任務(wù)，從而可以改變已經(jīng)規(guī)劃好的行動，對于讓用戶交互式地控制和定制機(jī)器人任務(wù)特別有用。

雖然自然語言使人們更容易指定和修改機(jī)器人的任務(wù)，但還有一個挑戰(zhàn)是對人類描述做出實時反應(yīng)。

研究人員提出了一個大規(guī)模的模仿學(xué)習(xí)框架，用于生產(chǎn)實時的、開放詞匯的、以語言為條件的機(jī)器人，能夠處理超過87,000個獨(dú)特的指令，估計平均成功率為93.5% ；作為該項目的一部分，谷歌還發(fā)布了當(dāng)下規(guī)模最大的語言標(biāo)注機(jī)器人數(shù)據(jù)集 Language-Table

論文鏈接：https://arxiv.org/pdf/2210.06407.pdf

并且，用LLM 編寫代碼來控制機(jī)器人動作也是一個有前景的研究方向。

研究人員開發(fā)的代碼編寫方法展示了增加任務(wù)復(fù)雜性的潛力，機(jī)器人可以通過自主生成新代碼來重新組合 API 調(diào)用，合成新函數(shù)，并表達(dá)反饋循環(huán)來在運(yùn)行時合成為新行為。

論文鏈接：https://arxiv.org/abs/2209.07753

將機(jī)器人學(xué)習(xí)轉(zhuǎn)化為一個可擴(kuò)展的數(shù)據(jù)問題

大型語言和多模態(tài)模型可以幫助機(jī)器人理解他們操作的環(huán)境，比如場景中發(fā)生了什么以及機(jī)器人應(yīng)該做什么；但是機(jī)器人也需要低層次的物理技能來完成物理世界中的任務(wù)，比如拾起和精確放置物體。

雖然人類經(jīng)常認(rèn)為這些身體技能是理所當(dāng)然的，無需思考的情況下就能完成各種動作，但對機(jī)器人來說卻是個難題。

比如，機(jī)器人在拾取物體時，需要感知和理解環(huán)境，推導(dǎo)出手爪與物體之間的空間關(guān)系和接觸動力學(xué)，精確地驅(qū)動高自由度手臂，并施加適當(dāng)?shù)牧α恳苑€(wěn)定地抓取物體而不破壞物體。

學(xué)習(xí)到這些低層次技能的難題被稱為莫拉維克悖論：推理只需要很少的計算，但感覺運(yùn)動和知覺技能需要大量的計算資源。

受到 LLM 的成功啟發(fā)，研究人員采用一種數(shù)據(jù)驅(qū)動的方法，將學(xué)習(xí)低層次物理技能的問題轉(zhuǎn)變?yōu)橐粋€可擴(kuò)展的數(shù)據(jù)問題：LLM 表明，大型Transformer模型的通用性和性能隨著數(shù)據(jù)量的增加而增加。

論文鏈接：https://robotics-transformer.github.io/assets/rt1.pdf

研究人員提出機(jī)器人Transformer -1 (RT-1) 模型，訓(xùn)練了一個機(jī)器人操作策略，用到的訓(xùn)練數(shù)據(jù)為13萬個episodes的大規(guī)?，F(xiàn)實世界的機(jī)器人數(shù)據(jù)集，使用了來自Everyday Robots的13個機(jī)器人，覆蓋了700多個任務(wù)，并顯示了機(jī)器人技術(shù)的相同趨勢，即增加數(shù)據(jù)的規(guī)模和多樣性可以提高模型對新任務(wù)、環(huán)境和對象的泛化。

在語言模型和機(jī)器人學(xué)習(xí)方法(如 RT-1)的背后，都是 Transformer模型基于互聯(lián)網(wǎng)規(guī)模的數(shù)據(jù)訓(xùn)練得到的；但與 LLM 不同的是，機(jī)器人學(xué)面臨著不斷變化的環(huán)境和有限計算的多模態(tài)表示的挑戰(zhàn)。

2020年，谷歌提出了一種能夠提高Transformer計算效率的方法Performers，影響到包括機(jī)器人技術(shù)在內(nèi)的多個應(yīng)用場景。

最近研究人員擴(kuò)展該方法，引入一類新的隱式控制策略，結(jié)合了模擬學(xué)習(xí)的優(yōu)勢和對系統(tǒng)約束的魯棒處理(模型預(yù)估計控制的約束)。

論文鏈接：https://performermpc.github.io/

與標(biāo)準(zhǔn)的 MPC 策略相比，實驗結(jié)果顯示機(jī)器人在實現(xiàn)目標(biāo)方面有40% 以上的進(jìn)步，在人類周圍導(dǎo)航時，social指標(biāo)上有65% 以上的提升；Performance-MPC 為8.3 M 參數(shù)模型的延遲僅為8毫秒，使得在機(jī)器人上部署Transformer變得可行。

谷歌的研究團(tuán)隊還證明，數(shù)據(jù)驅(qū)動方法通常適用于不同環(huán)境中的不同機(jī)器人平臺，以學(xué)習(xí)范圍廣泛的任務(wù)，包括移動操作、導(dǎo)航、運(yùn)動和乒乓球等，也為學(xué)習(xí)低層次機(jī)器人技能指明了一條明確的道路：可擴(kuò)展的數(shù)據(jù)收集。

與互聯(lián)網(wǎng)上豐富的視頻和文本數(shù)據(jù)不同，機(jī)器人數(shù)據(jù)極其稀缺，難以獲取，收集和有效使用代表真實世界交互的豐富數(shù)據(jù)集的方法是數(shù)據(jù)驅(qū)動方法的關(guān)鍵。

仿真是一種快速、安全和易于并行化的選擇，但是在仿真中很難復(fù)制完整的環(huán)境，特別是物理環(huán)境和人機(jī)交互環(huán)境。

論文鏈接：https://arxiv.org/abs/2207.06572

在 i-Sim2Real 中，研究人員展示了一種方法，通過從簡單的人類行為模型中自舉，并在模擬訓(xùn)練和在現(xiàn)實世界中部署之間交替進(jìn)行，來解決仿真與現(xiàn)實之間的不匹配問題，并學(xué)習(xí)與人類對手打乒乓球，在每次迭代中，人類行為模型和策略都會得到細(xì)化。

雖然模擬可以輔助收集數(shù)據(jù)，但是在現(xiàn)實世界中收集數(shù)據(jù)對于微調(diào)模擬策略或在新環(huán)境中適應(yīng)現(xiàn)有策略至關(guān)重要。

在學(xué)習(xí)過程中，機(jī)器人很容易失敗，并可能會對它自身和周圍環(huán)境造成損害，特別是在探索如何與世界互動的早期學(xué)習(xí)階段，需要安全地收集訓(xùn)練數(shù)據(jù)，使得機(jī)器人不僅學(xué)習(xí)技能，還可以從故障中自主恢復(fù)。

論文鏈接：https://arxiv.org/abs/2110.05457

研究人員提出了一個安全的 RL 框架，在「學(xué)習(xí)者策略」和「安全恢復(fù)策略」之間進(jìn)行切換，前者優(yōu)化為執(zhí)行所需任務(wù)，后者防止機(jī)器人處于不安全狀態(tài)；訓(xùn)練了一個復(fù)位策略，這樣機(jī)器人就能從失敗中恢復(fù)過來，比如在跌倒后學(xué)會自己站起來。

雖然機(jī)器人的數(shù)據(jù)很少，但是人類執(zhí)行不同任務(wù)的視頻卻很多，當(dāng)然機(jī)器人和人的構(gòu)造有不同之處，因此讓機(jī)器人向人類學(xué)習(xí)的想法引發(fā)了「 跨不同實體遷移學(xué)習(xí)」的問題。

論文鏈接：https://arxiv.org/pdf/2106.03911.pdf

研究人員開發(fā)了交叉具身反向強(qiáng)化學(xué)習(xí)（Cross-Embodiment Inverse Reinforcement Learning），通過觀察人類來學(xué)習(xí)新的任務(wù)，并非是試圖像人類那樣精確地復(fù)制任務(wù)，而是學(xué)習(xí)高層次的任務(wù)目標(biāo)，并以獎勵函數(shù)的形式總結(jié)這些知識，示范學(xué)習(xí)可以讓機(jī)器人通過觀看互聯(lián)網(wǎng)上隨時可用的視頻來學(xué)習(xí)技能。

另一個方向是提高學(xué)習(xí)算法的數(shù)據(jù)效率，這樣就不再僅僅依賴于擴(kuò)展數(shù)據(jù)收集：通過合并先驗信息，包括預(yù)測信息、對抗性動作先驗和指導(dǎo)策略，提高了 RL 方法的效率。

論文鏈接：https://arxiv.org/abs/2210.10865

利用一種新的結(jié)構(gòu)化動力系統(tǒng)體系結(jié)構(gòu)，將 RL 與軌跡優(yōu)化相結(jié)合，在新型求解器的支持下，得到了進(jìn)一步的改進(jìn)，先驗信息有助于緩解勘探的挑戰(zhàn)，更好地規(guī)范數(shù)據(jù)，并大大減少了所需的數(shù)據(jù)量。

此外，機(jī)器人團(tuán)隊還投入了大量的資金在更有效的數(shù)據(jù)模擬學(xué)習(xí)上，實驗證明了一種簡單的模仿學(xué)習(xí)方法 BC-Z 可以對訓(xùn)練中沒有看到的新任務(wù)進(jìn)行zero-shot泛化。

論文鏈接：https://arxiv.org/pdf/2210.02343.pdf

并且還引入了一個迭代模仿學(xué)習(xí)算法 GoalsEye，從游戲中學(xué)習(xí)和目標(biāo)條件行為克隆相結(jié)合，用于高速高精度的乒乓球游戲。

論文鏈接：https://sites.google.com/view/goals-eye

在理論方面，研究人員研究了表征模擬學(xué)習(xí)樣本復(fù)雜性的動態(tài)系統(tǒng)穩(wěn)定性，以及捕獲演示數(shù)據(jù)中的失效和恢復(fù)以更好地調(diào)節(jié)小數(shù)據(jù)集離線學(xué)習(xí)的作用。

論文鏈接：https://proceedings.mlr.press/v168/tu22a.html

總結(jié)

人工智能領(lǐng)域大型模型的進(jìn)步促進(jìn)了機(jī)器人學(xué)習(xí)能力的飛躍。

在過去的一年里，可以看到 LLM 中捕捉到的上下文感覺和事件順序幫助解決機(jī)器人技術(shù)的長期規(guī)劃，并使機(jī)器人更容易與人互動和完成任務(wù)。還可以看到用可擴(kuò)展的路徑來學(xué)習(xí)魯棒性和泛化機(jī)器人行為，通過應(yīng)用Transformer模型架構(gòu)的機(jī)器人學(xué)習(xí)。

谷歌承諾將繼續(xù)開放源代碼數(shù)據(jù)集，在新的一年繼續(xù)發(fā)展有用的機(jī)器人。