编译程序 | 程茜

编写 | 李水青

智东西10月12日信息，人工智能技术研究试验室DeepMind前不久为提升机器人的物体堆叠工作能力提到新基准。

Deep Mind的研究工作组根据RGB堆叠技术性（RGB-Stacking）对机器人开展增强学习练习，评定好几个研究目标的情形和行为来提升机器人工作能力。此项技术性运用置放在竹篮内鲜红色、深蓝色、翠绿色三种颜色的不一样物体，对机器人胳膊开展练习，因而称之为RGB堆叠。

一、发布机器人堆叠新基准，开源系统成效

对大部分人而言，将一个物体堆叠在另一个物体上是一项简易的每日任务，但就算是最高精密的机器人也难以一次解决多种堆叠每日任务。堆叠姿势必须 一系列不一样的健身运动、认知和剖析专业技能，包含与不一样种类物体互动的工作能力，将这一简洁的人力每日任务提高为机器人技术性，是一个遭遇很大挑戰并极为繁杂的每日任务。

DeepMind有关机器人学习培训的研究工作组觉得，推动机器人堆叠的全新技术性将必须 一个新的基准。机器人学习培训大会 (the Conference on Robot Learning ，CoRL 2021）中发布的一篇毕业论文中详细介绍了RGB堆叠，此项技术性的日常任务是让机器人学习培训怎样把握住不一样的物体并在相互之间保持稳定。

尽管别的毕业论文中早已存有堆叠每日任务的有关基准，但研究工作人员指出其研究的原创性取决于，研究目标挑选的多样化及其认证其研究发觉而实现的评定。该文章的研究结果显示，仿真模拟数据信息和现实世界数据信息的组成可用作学习培训“多目标实际操作”，这为机器人学习培训处理广泛新目标的情况带来了强有力的基本。

为了更好地适用别的研究工作人员，该研究工作组开源系统了一版仿真模拟自然环境，并发表了她们用以搭建真正机器人RGB堆叠自然环境的设计方案，及其用以3D打印出的RGB领域模型信息内容，而且在未来将更普遍地对外开放其机器人研究全过程中采用的一系列公共图书馆資源和专用工具。

二、两大检测三大环节，发掘机器人学习培训潜力

RGB堆叠的总体目标是根据深度学习练习机械手臂堆叠不一样样式的物体。增强学习是一种深度学习技术性，它使机器人可以运用自身姿势和工作经验的意见反馈，并经过多次实验来学习培训。

RGB堆叠将一个着力点联接到竹篮上边的机器人胳膊上，竹篮里放着红、绿、蓝不一样顏色的三个物体。机器人务必在20秒内将鲜红色物体堆叠在深蓝色物体上边，而翠绿色物体则做为阻碍物来分散化其专注力。

DeepMind的研究工作人员表明，这一学习过程能够保证机器人根据对好几个目标集的练习得到通用性专业技能。RGB堆叠有心更改机器人爬取和堆叠的特点，这种特点界定了机器人怎样爬取和堆叠每一个目标，进而使机器人持续超过更简易的捕捉和置放个人行为对策。

DeepMind研究工作组的RGB堆叠基准检测包含2个不一样难度系数的检测。在“专业技能把握”检测中，其目的是练习一个可以娴熟堆叠一组预订义的五个三元组的智能体；在“专业技能广泛”检测中，研究工作人员应用一样的三元组开展评定，但在超出一百万个很有可能的三元组目标上练习代理商研究目标，为了更好地检测广泛，这种练习目标中清除了被挑选在“专业技能把握”中检测的三元组的目标组。次之，在这里二级检测中，又将深度学习管路溶解为三个环节。

研究工作人员宣称，应用RGB堆叠方式培训的机器人造成了“让人诧异”的堆叠对策，而且发生对堆叠目标非空子集的“熟练”状况。即便如此，研究工作人员以为这只涉及了机器人学习培训的外表內容，而对于广泛遭遇的挑战仍未获得处理。

三、公布新基准，推动加工制造业再度兴盛

“伴随着研究工作人员持续勤奋处理机器人推广应用落地式的挑戰，大家期待这一新的基准，连着大家发表的自然环境、设计方案和专用工具，有利于造成新的见解和方式，使使用更非常容易，机器人更有工作能力。”研究工作人员填补道。

伴随着机器人愈来愈善于堆叠和爬取物体，一些权威专家觉得，这类自动化控制很有可能会促进英国的加工制造业的新兴盛。在谷歌云和桑德斯满意度调查表近期的一项研究中，三分之二的生产商表明，平时运作中人工智能技术技术应用的应用頻率已经提升，74%的生产商觉得她们可以解决现阶段变幻莫测的办公环境。

次之，加工制造业企业预估在未来五年的生产率可能伴随着企业战略转型的进步而逐步提升。麦肯锡公司与全球金融峰会（McKinsey’s research with the World Economic Forum）的研究说明，到2025年，执行传统式工业生产实践活动自动化技术“工业生产4.0”的生产商，其生产制造使用价值的打造发展潜力将做到3.7亿美元。

总结：DeepMind新基准促进机器人领域过程

在机器人学技术的研究全过程中，读取数据比较艰难，促使其发展趋势遭遇窘境。做为通用性人工智能技术方面的领军人才公司，DeepMind为处理机器人学习培训广泛难题指出新基准，而且积极对外开放研究全过程的有关資源，共享资源研究成效，有希望促进整体领域获得重大进展。

但无可置疑的是，机器人学习培训广泛难题仍必须 长期的探寻，也是人工智能技术公司在发展方向遭遇的重要挑戰。