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
- S. Dasari et al., “RoboNet: Large-Scale Multi-Robot Learning“, arXiv.org, 2019.
- 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)