利用自适应域的元学习让机器人一次学会人类动作
人类和动物在学习新行为时，大部分只需要观察一次就能学会，然而想让机器人学习就没那么容易了。随着计算机视觉的发展，目前的技术能让机器人依靠人体姿势检测系统，模仿人类的动作进行学习。不过每次都需要人类“做示范”未免有些麻烦，本篇论文的研究人员们想出了新方法：让机器人通过一段只有一个人的视频来模仿学习。
此前的研究表明，机器人能通过观察示范学习一系列复杂的技能，例如倒水、打乒乓球、打开抽屉等。然而，机器人模仿最有效的方法与人类学习有很大的不同：机器人通常需要接到具体的动作示范或遥控操作，人类只需看别人做一遍就能了解。另外，人类还能根据环境变化改变策略，适应新情况。所以，我们怎样能让机器人像人类一样，通过观察第三方示范进行学习？
从原始视频中获得技能存在两大挑战。首先，人类演示者和机器人的外观及形态的差异会带来系统性的域转移（domain shift），即对应问题（correspondence problem）。其次，从原始视觉输入中学习通常需要大量数据，深度学习视觉系统一般要使用数十万至数百万的图像。而在本文中，我们展示了通过基于元学习的单一方法解决这两个挑战。
前期准备
该方法建立在之前的工作成果或者元学习的基础上，我们将对模型元学习算法进行扩展，它能够处理提供的数据（即人类演示）和评估设置（即机器人动作）之间的域转移。
元学习算法能快速有效地学习新任务，一般来说，元学习可以看作是发现任务之间存在的结构的功能。当模型从元测试集中提出新任务时，模型可以使用已知结构快速学习。算法（MAML）通过对深度网络的初始参数设置进行优化来实现这一点。在元训练之后，根据新任务的数据对学习参数进行微调。
模仿人类
在这一部分，我们将说明机器人一次性模仿人类学习的问题，并介绍我们的试验方法。从含有人类的视频中进行学习可以看做是一个推理问题，其目标是推断机器人的策略参数，它能将先验知识与少量证据结合来完成任务。为了从只有一个人的视频中有效学习，我们需要包含着对世界有着丰富视觉和物体理解的先验知识。
而试验方法包括两个阶段，在元训练阶段，我们需要利用人类和机器人的动作数据获取先验知识，然后通过快速学习模仿动作。这一方法的关键部分在于，它可以迁移到其他元学习算法中去。如MAML算法一样，我们将学习一系列初始参数，在经历过几次梯度下降后，模型还能有效地完成新任务。最终用于元目标的算法可以总结为：
在元训练阶段之后，学习到的先验知识将用于第二阶段。当机器人模仿人类的新动作时，必须将先验知识与新的人类示范动作结合，来推断解决新任务的策略参数。算法总结为：
时序适应目标学习
为了从人的视频中学习，我们需要一个适应目标，可以有效地捕捉视频中的相关信息，比如人的意图和与任务有关的对象。由于时序卷积在处理时序和数据序列时是有用的，所以我们选择用一个卷积网络表示适应目标。效果如图所示：
网络架构
如图所示，网络架构是一个卷积神经网络，将RGB图像映射到动作分布。卷积网络从几个卷积层开始，然后被输送到通道空间的argmax中，为每个通道提取二维特征点f。接着我们将这些特征点与机器人结构连接在一起，该结构包括夹具上的3个非轴对齐的点。然后，我们将连接的特征点和机器人姿态传递给多个完全连接层。
实验过程
我们的实验主要想解决三个问题：
我们的方法能否有效地学习先验知识，让机器人能够通过仅有一人的视频学习操作新物体？
我们的方法能否从新的角度让机器人模仿人类动作？
我们所提出的方法与元学习方法以及其他方法有何不同？
为了进一步了解我们的方法以及其实用性，我们还要另外评估：
时序适应目标有多重要？
我们的方法能否用于多个机器人平台，以及用于动作或遥控示范的元训练？
为了进行评估，我们在7轴的PR2机械臂和Sawyer机器人上进行实验。
PR2实验过程
首先是用机械臂PR2进行物体的放置、前推、捡拾等动作的测试，具体过程如图：
整个过程的装置情况是这样的：
用于拍摄的是一台智能手机，从中看到的情况是这样的：
最后，PR2一次学习的评估情况展示在下表中，可以看到成功率大大高于之前的方法：
另外，研究人员还统计了PR2在做“推动”时发生的错误：
Sawyer实验过程
实验的另一个目标是我们的方法能否应用于别的平台上，于是我们选择了7个自由度的Sawyer进行验证。不同与PR2实验，动作空间将是末端执行器的单个指令姿态，我们将使用均方误差作为外部的元目标。
最终，在使用时序适应目标的实验中，成功率比没有使用的提高了14%，证明了从视频中学习时融合时间信息的重要性。
实验的局限性
虽然我们的工作成果能让机器人从视频中一次性学习操作新的物体，但是目前的实验还没有证明模型能够一次性学习全新动作。希望未来有更多的数据和更高性能的模型能实现这一目标。
原文地址：arxiv.org/pdf/1802.01557.pdf
相关内容
微信扫码咨询专知VIP会员