来自卡耐基梅隆大学 (CMU) 的四个科学家，在一篇论文里说，他们带着一群机器人去住Airbnb了。
也不知道，近来忙于应付纽约市政府的Airbnb，能不能感受到这一缕清风。
回归正片，研究人员自然不是请机器人去度假。
他们觉得，机器人常年待在实验室里，生活场景很单调，和现实也有差距。
这样的话，训练出来的技能，很难推广到真实世界里去。
只能在实验室做任务的机器人，也不是CMU的人类们想要的。
“经济适用”机
团队决定，让机器人参与更多的实战，培养它们泛化能力。
于是，人们先造了一批“便宜”的机器人，就是把Dobot Magician机械臂改造了一下——
加上了双轴手腕，两指电动夹具，还有移动底座。
传感器方面，配置了英特尔R200 RGB摄像头，以及帮摄像头转脖子的云台。
至于机器人的大脑，笔记本而已，CPU是i5-8250U，RAM有8G。
研究人员说，每台“只要”三千美元，比别的 (两万美元的) 机器人经济多了。
“经济适用”房
然后，带机器人去开房。
△ 仔细选择的不同环境
研究人员先在Airbnb上，开了六套房，是收集真实数据用的。
就像刚才说的，只用实验室环境里的数据来训练，就不是真正的训练。
他们用Yolo模型做物体检测，然后用“Robust-Grasp (鲁棒抓取) ”神经网络结构 (详见下文) ，来算出最佳的抓取姿势。
就这样，一共收集了28,000种不同的姿势。
自制的数据集，取名为Home-LCA，后面三个字母，指的是“便宜的机械臂”。
机智的决策
刚才，简要登场的“Robust-Grasp”神经网络，就是机器人做出机智抓取决策的关键。
结构分成三部分——
一是抓取预测网络 (GPN) ，这里用的是训练好的ResNet-18。吃进像素图 (Pixel Imagery) ，再决定用什么姿势抓取。
不过，用了便宜的机器人，收集的数据会有很多噪音，所以……
二是噪音建模网络 (NMN) ，根据场景图像和机器人获取的信息这两组数据，把噪音分离出去。
三是边缘化层 (Marginalization Layer) ，把两股数据流结合起来，以便给出更好的决策。
团队用自制的Home-LCA数据集，训练了这个网络，也用两个实验室数据集做陪练，看哪边效果好。
实战派vs温室派
训练完成之后，研究人员又在Airbnb上面，另外开了3套房，作为赛场。
所以说，赛前谁都没有到过这些地方。
△ 不知文中为何只有两间测试房的照片
真正的抓取比赛开始了，参赛双方分别是：
实战派，用Home-LCA训练的AI。
温室派，用Lab-Baxter训练的AI。
△ 三个新房子
同在陌生的环境里，抓取陌生的物体，实战派机器人的成功率远远超过温室派。
这并不意外，毕竟在那之前，选手们还进行了另外一项比赛——
机器人做随性抓取，AI来预测能不能抓取成功 (依靠位置和角度) 。
△ 横向对比，当训练集与测试集来源不同，便知其泛化能力
结果，用Home-LCA数据集训练的模型，在接受其他两个数据集的测试时，预测正确率并没有明显差异，一直保持在70%上下 (见第3、5行) 。
而用Lab-Baxter和Lab-LCA数据集训练的模型，换其他数据集测试，预测正确率便会从70%左右，下降至55%左右 (见第1、2、4行) 。
△ 占卜婆婆
也就是说，实战派处变不惊，泛化能力稳胜一筹。
野生，野长
果然，从模型训练开始，就不能对机器人太温柔。
不管是在模拟器里修炼的机器人，还是用实验室数据喂养的机器人，都容易对外界的艰险适应不能。
△ 到外面去吧
采集真实世界的数据，来训练机器人的实际操作技能，它们便不会被困在实验室里，寸步难行。
大概，这就是CMU在机器人能力的泛化上，为同仁们提供的一个思路吧。
论文传送门：
https://arxiv.org/pdf/1807.07049.pdf
原文发布时间为：2018-07-28
本文来自云栖社区合作伙伴“量子位”，了解相关信息可以关注“量子位”。
