全球首間機器人大學上線啦!(機器人註冊限定)

全球首間機器人大學上線啦!(機器人註冊限定)

編譯/許守傑

如法炮製

說到機器學習,除了複雜的數學模型外,最重要的就是訓練模型的資料集,由普林斯頓大學創建的ImageNet便是一例。囊括1千4百萬張經群眾協力標記完成的圖像,無論在數量或標記完整度上都有相當規模,因此成為許多電腦視覺模型訓練時的首選。不但是電腦視覺進步的一大無名推手,也是史丹佛大學人工智慧實驗室副教授、前Google Cloud首席科學家李飛飛最知名的貢獻之一。如今,機器人專家們也希望可以複製同樣的成功經驗,著手打造一個新的影音資料庫,利用神經網路讓機器人也能自主學習如何與環境互動。

由於ImageNet的成功,機器人專家們也開始嘗試一個相似的策略來訓練機器人們。加州柏克萊大學的Sudeep Dasari與他的同事們創立了名為RoboNet的資料庫,涵蓋各種機器人與環境互動的已標記影片。舉例來說:這個資料庫可能包含許多段機器人在桌上移動一個杯子的影片,使得任何想要教他的機器人移動杯子的人,就算原本他的機器人可能根本沒用過杯子,都可以使用該影片來訓練神經網路,如何控制機器人移動一個杯子。Dasari和同僚希望可以建立一個應用廣泛的資料庫,就像一個機器人大學一樣,各式各樣的機器學生在上完RoboNet的課後,都能學到任何一種想要的技能。

老狗要學新把戲,費時費工

就目前現行的方法而言,機器人專家在教導機器人如何與環境互動方面收穫甚微。例如他們會錄製許多機器人在一個平面上移動一支刷子的影片,再使用這個資料來訓練機器人,讓它們可以把這個動作做到最好。而一旦機器人學會了怎麼移動刷子後,它還是必須透過同樣的方式再學習如何移動湯匙、眼鏡.…..,因為不同物件在影像上是屬於不同的物件。再者,如果機器人身處的背景環境改變了,這樣就必須重新蒐集訓練資料並重新訓練機器人。這種作法成敗的關鍵,就在於如何能夠蒐集到海量的資料──也就是錄製與標記無數小時的影片。

RoboNet的誕生與挑戰

RoboNet就是為了解決上述問題而誕生的。目前Dasari團隊已經錄製了1千五百萬幀的影片,內容涵蓋有著不同機械手臂的各式機器人,在多種環境下完成特定任務。跨硬體跨環境的RoboNet潛力不容小覷,他們表示:用這樣的資料庫所訓練出來的機器人比老方法訓練出來的表現更好,即使老方法使用了更多的資料。

Dasari及團隊也希望持續推廣RoboNet,邀請其他研究團隊共同集思廣益,找出這些資料的最佳使用方式。他們說:「我們希望RoboNet能夠廣邀其他──尤其機器人學與強化學習領域──研究社群共同參與,來研究如何擴展強化學習演算法,以滿足現實世界的複雜性」。

這是一所機器人大學,能提供任何一種機器人完成特定任務所需的技能訓練。過去ImageNet將電腦視覺推向顛峰,如今RoboNet就算只取得一半的成功,都將會是我們可觀的收穫。

 

編譯來源

Emerging Technology from the arXiv, “Welcome to robot university (only robots need apply)“,MIT Technology Review, 2019.

參考資料

  1. S. Dasari et al., “RoboNet: Large-Scale Multi-Robot Learning“, arXiv.org, 2019.
  2. J. Deng, W. Dong, R. Socher, L. Li, Kai Li and Li Fei-Fei, “ImageNet: A large-scale hierarchical image database“,2009 IEEE Conference on Computer Vision and Pattern Recognition, 2009.

(本文由教育部補助「AI報報─AI科普推廣計畫」執行團隊編譯)

views