这个一瘸一拐的机器人是用树枝搭的,它自己学会了走路

2019 年 7 月 3 日 机器之心

机器之心报道

机器之心编辑部

参与:张倩、杜伟

谁说做机器人一定要用特殊材料? 树枝也行。

机器人设计是一个非常繁琐的过程,需要设计者绞尽脑汁地思考并用心维护。所以,这通常要求设计者必须清楚自己想要机器人做哪些事情以及如何使机器人做到这些。

想清楚之后,设计者才开始构建机器人原型,发现设计中的所有问题,提出一些与众不同的改进方案以实现更佳的性能,并在时间/金钱耗尽之前重复这一过程。

然而,如果你对自己设计的机器人期望不高的话,其实它也没那么复杂。去年 12 月,来自东京大学和创业公司 Preferred Networks 的研究者在 NeurIPS workshop 上发表了一篇论文,他们尝试使用一些通用伺服器以及树枝来搭建移动机器人。

这些树枝机器人首先借助深度强化学习在模拟环境中学会行走。研究者采取的步骤是:首先从野外捡拾一些树枝,对这些树枝称重并进行 3D 扫描,然后模拟整个机器人,最后对移动最远的智能体进行奖励。在这些步骤中也需要进行一些手动调整,以避免对真实机器人造成压力和磨损的行为。

在虚拟环境中学习行走的机器人。

总的来说,这种策略未必能用到多数应用中,但可以推测,这种机器人在某种程度上可能更加实用。这项研究使人相信,随便从地上抓起什么东西(加上一些伺服器和一两个传感器)就能够搭建一个移动机器人。由此可见,你也可以通过基于传感器的试错、反馈从头开始搭建自己的物理机器人,因为已经有机器人平台做了类似的事情。

这款「树枝机器人」由 Arduino Mega 控制,由 Kondo KRS-2572HV 伺服电机驱动,配有单独的驱动器和电源。

在设计上,这种用常见材料做出的机器人可能并不会像传统机器人那样具有非凡的性能,所以它们仅能在特定环境中发挥作用。好的一点在于不用担心输运结构材料的问题了,就像使用泛化硬件集就能创建多样性设计一样。同时,利用一些常见材料来搭建机器人意味着,你可以轻易地对自己组装的任何东西进行改装,即使你需要重新训练它移动。

目前,该机器人似乎还只能在实验室的光滑路面上行走,「放生」还为时过早。

在野外被杂草缠住、动弹不得的机器人。

论文:Improvised Robotic Design with Found Objects

论文地址:https://nips2018creativity.github.io/doc/improvised_robotic_design.pdf

在这篇论文中,研究者考虑使用常见的材料训练机器人的行动能力,也就是不同形状的树枝。这些材料通常能用于艺术或建筑,但很少有人考虑用它搭建机器人。当我们希望机器人能有效前进时,这些奇奇怪怪的树枝就有了新的含义,例如弹跳腿、牵引臂等等。

因为形状的不固定,那么靠手动编程是写不了的,唯有机器人的自主学习才有可能知道该怎么前进。因此,某个树枝会被机器人当作一条腿,某个分叉会被当作手臂,这都需要机器人自己决定。

总体而言,如下图 1 所示,这篇论文提出了一种使用常见物体设计机器人的概念。它会借助深度强化学习方法搜索最佳的运动策略,并用于不规则机器人的移动方法。这些运动策略会移植到真实「树枝机器人」上,并告诉它到底该怎样运用树枝完成运动。

图 1:打造树枝机器人只需 4 步。(1)捡起树枝;(2)扫描树枝,配置机器人;(3)使用 RL 获得有效的移动策略;(4)转移到真实机器人。

参考链接:https://spectrum.ieee.org/automaton/robotics/robotics-hardware/robots-tree-branches-deep-learning-walk


文为机器之心报道,转载请联系本公众号获得授权

✄------------------------------------------------

加入机器之心(全职记者 / 实习生):hr@jiqizhixin.com

投稿或寻求报道:content@jiqizhixin.com

广告 & 商务合作:bd@jiqizhixin.com

登录查看更多
2

相关内容

机器人(英语:Robot)包括一切模拟人类行为或思想与模拟其他生物的机械(如机器狗,机器猫等)。狭义上对机器人的定义还有很多分类法及争议,有些电脑程序甚至也被称为机器人。在当代工业中,机器人指能自动运行任务的人造机器设备,用以取代或协助人类工作,一般会是机电设备,由计算机程序或是电子电路控制。

知识荟萃

精品入门和进阶教程、论文和代码整理等

更多

查看相关VIP内容、论文、资讯等
【ICML2020-哈佛】深度语言表示中可分流形
专知会员服务
12+阅读 · 2020年6月2日
【浙江大学】使用MAML元学习的少样本图分类
专知会员服务
62+阅读 · 2020年3月22日
深度强化学习策略梯度教程,53页ppt
专知会员服务
178+阅读 · 2020年2月1日
机器也能学会如何学习?——元学习介绍
AINLP
19+阅读 · 2019年9月22日
Grasp2Vec:通过自我监督式抓取学习物体表征
谷歌开发者
9+阅读 · 2019年1月2日
从零开始一起学习SLAM | SLAM有什么用?
计算机视觉life
18+阅读 · 2018年9月17日
SLAM初识
计算机视觉life
5+阅读 · 2017年6月4日
Risk-Aware Active Inverse Reinforcement Learning
Arxiv
7+阅读 · 2019年1月8日
A Multi-Objective Deep Reinforcement Learning Framework
Arxiv
5+阅读 · 2018年5月5日
VIP会员
相关资讯
机器也能学会如何学习?——元学习介绍
AINLP
19+阅读 · 2019年9月22日
Grasp2Vec:通过自我监督式抓取学习物体表征
谷歌开发者
9+阅读 · 2019年1月2日
从零开始一起学习SLAM | SLAM有什么用?
计算机视觉life
18+阅读 · 2018年9月17日
SLAM初识
计算机视觉life
5+阅读 · 2017年6月4日
Top
微信扫码咨询专知VIP会员