動物們在田野上馳騁、在樹上靈巧地攀爬、在跌倒之前迅速站穩(wěn)腳跟。
和我們的靈長類表親一樣，人類也可以運用拇指和精細的運動技能來完成一些任務(wù)，比如毫不費力地剝開柑橘皮，或者在黑暗的走廊里尋找正確的鑰匙。
雖然行走和抓取對許多生物來說是小菜一碟，但機器人在步態(tài)移動和靈巧性方面一直不盡人意。
如今，Hwangbo等人在ScienceRobotics雜志上撰文，報告證明了這樣了一件有趣的事：某種機器人軟件設(shè)計方法需要數(shù)據(jù)驅(qū)動，而這種方法正好能夠克服機器人和人工智能研究領(lǐng)域中長期存在的一個挑戰(zhàn)，即模擬與現(xiàn)實之間的差距。
幾十年來，機器人專家在預(yù)測性數(shù)學(xué)模型基礎(chǔ)上建立軟件，以此來引導(dǎo)機器人肢體的行動。然而，這種方法在引導(dǎo)機器人肢體完成行走、攀爬和抓取這些看似簡單的問題上卻無效。
機器人通常在模擬中開始它的生命。當它的引導(dǎo)軟件在虛擬世界中表現(xiàn)良好時，該軟件就會被放置在機器人體內(nèi)，然后隨機器人一起進入現(xiàn)實世界。
在現(xiàn)實世界里，機器人難免會不斷地遇到難以預(yù)測的狀況，包括表面摩擦、結(jié)構(gòu)靈活性、振動、傳感器延遲以及具有時差的執(zhí)行器，一般執(zhí)行器將能量轉(zhuǎn)化為運動指令。
不幸的是，這些狀況是不可能事先由數(shù)學(xué)運算詳盡描述的。因此，即使是在模擬中表現(xiàn)出色的機器人，遇到一些看似微小的物理障礙后也會磕磕絆絆，甚至摔倒。
Hwangbo等人將經(jīng)典控制理論與機器學(xué)習(xí)技術(shù)相結(jié)合，研究出一種縮小類似差距的方法。
首先，該團隊設(shè)計了一個中型四足機器人的傳統(tǒng)數(shù)學(xué)模型，名為ANYmal。
接下來，他們從引導(dǎo)機器人肢體運動的執(zhí)行器中收集數(shù)據(jù)。
然后，他們將收集的數(shù)據(jù)輸入被稱為神經(jīng)網(wǎng)絡(luò)的機器學(xué)習(xí)系統(tǒng)中，建立第二個模型，而這個模型可以自動預(yù)測AMYmal機器人肢體的特殊運動。
最后，該團隊將訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)插入第一個模型中，并在標準臺式計算機上運行混合模型。
混合模擬器比基于分析模型的模擬器速度更快，精準度更高。更重要的是，機器人的運動在混合模擬器中優(yōu)化之后，轉(zhuǎn)移進機器人體內(nèi)，并連入現(xiàn)實世界，這時，機器人在現(xiàn)實世界的行動就像在模擬器里一樣成功。
這個姍姍來遲的突破終結(jié)了看似不可逾越的模擬與現(xiàn)實鴻溝。
Hwangbo等人使用的方法還暗示了機器人領(lǐng)域的另一個重大轉(zhuǎn)變。
混合模型的出現(xiàn)是這一重大轉(zhuǎn)變的第一步。下一步將是徹底淘汰分析模型，取而代之的是機器學(xué)習(xí)模型，這種模型將由機器人在現(xiàn)實環(huán)境中所收集的數(shù)據(jù)進行訓(xùn)練。
目前，這種稱為端到端培訓(xùn)的純數(shù)據(jù)方法發(fā)展勢頭迅猛。媒體已報道了一些創(chuàng)新的應(yīng)用，包括鉸接式機器人手臂、多指機械手、無人機，甚至自動駕駛汽車。
機器人專家仍在鉆研如何強化計算速度、豐富傳感器數(shù)據(jù)以及提高機器學(xué)習(xí)算法質(zhì)量。目前尚不清楚大學(xué)是否應(yīng)該停止教授經(jīng)典控制理論。
京東快遞分揀機器人系統(tǒng)然而，筆者認為這是一個不祥之兆：未來的機器人的行走不再依賴專家，相反，他們可以利用自己身體里的數(shù)據(jù)進行學(xué)習(xí)。
當然，不少挑戰(zhàn)仍然存在，其中最主要的是可擴展性的挑戰(zhàn)。
到目前為止，端到端培訓(xùn)機制僅應(yīng)用于只有少量執(zhí)行器的物理機器人之上。執(zhí)行器越少，描述機器人運動所需的參數(shù)就越少，模型就越簡單。實現(xiàn)可擴展性的途徑可能包括使用更多層次和模塊化的機器學(xué)習(xí)架構(gòu)。
想要知道端到端控制是否可以擴大到引導(dǎo)擁有數(shù)十個執(zhí)行器的復(fù)雜機器，包括人形機器人，以及諸如制造工廠或智能城市（使用數(shù)字技術(shù)改善市民生活的城市地區(qū)）等大型系統(tǒng)，還需要做進一步研究。
菜鳥驛站倉庫分揀機器人快遞分揀機器人怎么操作另一個挑戰(zhàn)是低技術(shù)性，高個性化。
對一些研究人員來說，從使用相對簡單的數(shù)學(xué)模型到應(yīng)用“潘多拉盒子”機器學(xué)習(xí)系統(tǒng)(其中的內(nèi)部工作原理未知)的轉(zhuǎn)變，標志著洞察力悄然退場，失控感油然而生。對我來說，看到機器人像孩子一樣學(xué)會自己走路讓我感到心滿意足。
Hwangbo等人提出的見解也可以從心靈之謎的角度來考慮。意識一直是人類本性中最古老的謎題之一。
人類對自我意識的定義十分模糊。然而，人們對機器人軟件的研究可以讓我們深入了解關(guān)于人類思維的古老問題。
我們可以推測，自我意識以及由此延伸出來的意識，其核心是我們抽象思考自己的能力的一種表現(xiàn)，即自我模仿。一個人能看得越遠，他對未來展望的心理圖景就越詳細，自我意識能力就越強。
物流分揀機器人是怎么工作的現(xiàn)在，機器人能夠?qū)W習(xí)自我模擬。這一突破不僅實用，可以減輕一些工程的負擔(dān)，而且，它標志著機器人自主時代的開始。
快遞自動分揀機器人哪里有分揀機器人廠價格合理閃兔分揀機器人分揀機器人相關(guān)公司