东莞网站建设主要学什么/百度搜索指数和资讯指数

18 位人形机器人充当「迎宾」人员，整齐划一向嘉宾挥手，这是 2024 世界人工智能大会上的一个震撼场景，让人们直观感受到了今年机器人的飞速发展。

图源：甲子光年

1954 年，世界上第一台可编程机器人「尤尼梅特」在通用汽车装配线正式投入工作，历经半个多世纪，机器人从笨重的工业巨擘一步步成长为更智能、更灵活的人类助手。其中，人工智能技术，尤其是自然语言处理与计算机视觉的突破性进展，为机器人的发展铺设了一条高速轨道，利用巨大计算能力和海量数据，通过行为克隆等简单的算法来训练通用机器人策略， 正逐步解锁未来机器人的无限潜能。

尤尼梅特机器人 图源：百度百科

然而，目前机器人学习管道大多针对某个特定任务训练，这让它们在新情境或执行不同任务时显得力不从心。 此外，机器人训练数据主要来自仿真模拟、人体演示及机器人遥操作场景，不同数据源间存在巨大的异构性， 一个机器学习模型也很难整合如此多来源的数据，训练机器人通用策略一直是一大难题。

针对此，麻省理工研究人员提出了一个机器人策略组合框架 PoCo (Policy Composition)， 该框架使用扩散模型的概率合成，组合不同领域和模态的数据，为构建复杂的机器人策略组合开发了任务级、行为级、领域级的策略合成方法，能够解决机器人在工具使用任务中的数据异构性、任务多样性问题。相关研究已经以「PoCo: Policy Composition from and for Heterogeneous Robot Learning」为题，发表在 arXiv 上。

研究亮点：

• 无需重新训练，PoCo 框架可以灵活组合不同领域数据训练的策略

• 在仿真模拟和真实世界中，PoCo 的工具使用任务都取得优异表现，与单个领域训练的方法相比，PoCo 对不同环境中的任务表现出高度泛化能力

论文地址：
https://arxiv.org/abs/2402.02511

开源项目「awesome-ai4s」汇集了百余篇 AI4S 论文解读，并提供海量数据集与工具：
https://github.com/hyperai/awesome-ai4s

三大数据集来源，涵盖人 & 机数据、真实 & 仿真数据等领域

本研究所涉及的数据集主要来自人类演示视频数据、真实机器人数据、仿真模拟数据。

人类演示视频数据集

人类演示视频可以从野外未校准的摄像机中收集，共收集多达 200 条轨迹。

数据集处理流程，未校准的RGB-D摄像机在野外采集的人类演示视频可以转换为标记的轨迹

真实机器人数据集

通过安装的手腕摄像头和头顶摄像头获取场景的局部、全局视图，用 GelSight Svelte Hand 采集工具姿势、工具形状、工具与对象接触时的触觉信息，每个任务收集 50-100 个轨迹演示。

仿真模拟数据集

模拟数据集遵循 Fleet-Tools，其中专家演示通过关键点轨迹优化生成，共收集大约 5 万个模拟数据点。在后续训练过程中，研究人员对点云数据和动作数据都进行了数据增强 (data augmentation)，并保存固定的模拟场景以供测试使用。

此外，研究人员在来自深度图像 (depth images) 和遮罩 (masks) 中的 512 个工具和 512 个物体点云中，加入逐点噪声 (point-wise noises)、随机裁剪 (random dropping) 等，以提升模型的鲁棒性。

通过概率分布乘积形式进行策略组合

在策略组合中，研究人员给定两个概率分布编码的轨迹信息 pDM(⋅∣c,T)、pD′M′(⋅∣c′,T′)，推理时在乘积分布中采样直接结合这两个概率分布的信息。

其中，pproduct 在同时满足两个概率分布的所有轨迹上表现出高似然性， 可有效编码两种分布的信息。

策略组合 PoCo

研究人员提出的 PoCo，将跨行为、任务、通道和领域的信息组合在一起， 无需重新训练，在预测时以模块方式组合信息，通过利用多个领域的信息即可实现对工具使用任务的泛化。

策略组合图解

假设每个模型的扩散输出在相同的空间，即动作维度和动作时域相同。在测试时，PoCo 结合梯度预测 (gradient predictions) 进行组合。这种方法可以应用于不同领域策略的组合，例如组合使用图像、点云和触觉图像等不同模态数据训练的策略。也可以用于不同任务的策略组合，以及通过行为组合为所需行为提供额外成本函数 (additional cost functions)。

对此，研究人员提供了任务级组合 (Task-level Composition)、行为级组合 (Behavior-level Composition)、领域级组合 (Domain-level Composition) 这 3 个示例，以此说明 PoCo 如何提高策略性能。

任务级组合 Task-level Composition

任务级组合在可能完成任务 T 的轨迹上增加了额外权重，可提高合成轨迹的最终质量，不需要为每个任务单独训练，而是训练一个能够实现多任务目标的通用策略。

行为级组合 Behavior-level Composition

这种组合可以结合任务分布和成本目标 (cost objective) 的信息，确保合成的轨迹既能完成任务，又能优化指定的成本目标。

领域级组合 Domain-level Composition

这种组合可以利用来自不同传感器模态、领域捕获的信息，对单独领域收集的数据互补非常有用。 例如，当真实机器人数据收集成本高但准确度更高，模拟演示数据收集成本较低但准确度低，可以对同一领域不同模式的数据进行特征串联 (feature concatenation) 以简化处理。

可视化工具使用任务，评估 3 大策略组合

可视化工具使用任务

在训练时，研究人员采用具有去噪扩散概率模型 (DDPM) 的时间 U-Net 结构，并进行 100 步训练；测试时，采用去噪扩散隐式模型 (DDIM)，进行 32 步测试。为了在不同领域 D 和任务 T 之间组合不同的扩散模型，研究人员对所有模型使用相同的动作空间，并对机器人的动作边界做了固定的归一化处理。

研究人员通过机器人对通用工具（扳手、锤子、铲子和扳手）的使用任务来评估提出的 PoCo，当达到特定阈值时，任务被确定为成功，例如，当销钉被敲入时，锤击任务被认为成功。

行为级组合可以改善期望的行为目标

研究人员使用 test-time 推理来组合诸如平滑度和工作空间约束等行为，合成权重被固定为 γc=0.1。

行为组合效应。通过概率地结合成本 (costs)，可以优化每个成本目标的指标

如上表所示，test-time 行为级组合可以改善期望的行为目标，如平滑度和工作空间约束。

任务级组合在多任务策略评估中最优

当任务权重 α=0 时，任务级组合策略映射到无条件多任务策略 (unconditioned multitask policies)，当 α=1 时，映射到标准任务条件策略 (task-conditioned policies)，当 0 < α < 1 时，研究人员在任务条件、任务无条件策略 (task unconditional policies) 之间进行插值 (interpolating)。当 α > 1 时，可以得到更加与任务条件相关的轨迹。

在模拟的多任务策略评估中，任务级组合的表现最好

据上图表明，相对于无条件、特定任务条件性的多任务工具使用扩散策略，条件性、无条件多任务工具使用策略的任务组合更优。

人类+模拟数据，领域级组合性能更优

研究人员使用模拟数据集 θsim、人类数据集 θhuman 和机器人数据集 θrobot 训练单独的策略模型，并在仿真模拟设置中评估领域级组合。

用模拟策略帮助跨领域组合及模拟评估

由于 θsim 不存在训练/测试领域差距，表现良好，可达到 92% 成功率。在人类数据等领域中，研究人员将它与性能更好的策略 θsim 进行组合，显著提高了性能。

策略组合性能超过单独组成部分，通用性更强

研究人员将 PoCo 用于机器人工具使用任务中，组合不同领域和任务的数据，进而提高其泛化能力。4 项任务分别是：用扳手拧螺丝，用锤子敲击钉子，用铲子将煎饼从锅中铲起，用刀切开橡皮泥。

通过组合在仿真模拟、人类和真实数据中训练的策略，可以在跨多个干扰物（第1行）、不同物体和工具姿态（第2行），以及新的物体和工具实例（第3行）之间进行泛化

领域组合的定量结果。与单独成分策略相比，策略组合显著提高任务平均成功率

如上表所示，虽然人类 (Human) 数据训练的策略和真实机器人 (Real-Robot) 训练的策略在不同的场景下表现不佳 (与 Simulation 比较)，但它们的组合 (Human+Real) 可以超过每个单独的组成部分。

不同工具使用任务的策略表现，在工具使用任务中，任务组合策略总体性能提升

通过现实世界，研究人员评估机器人在 4 个不同工具使用任务上的策略表现，发现在工具使用任务中，任务组合策略性能提升更佳。 如上表所示，多任务策略与 Tspatula 和 Thammer 为条件的特定任务相比，性能几乎一致，它们都在 fine action 中表现出一定的稳定性。此外，组合超参数需要保持在一个范围内才能有效且稳定。

通用性的最佳条件，人形机器人强势崛起

通用机器人在过去两年得到了蓬勃发展，但一个有意思的现象是，目前行业似乎更认同以人形的方式来推动通用机器人的发展。为什么通用机器人一定要是人形？ 五源资本董事总经理陈哲对此表示，「因为只有人形机器人才可能在人类的生活环境中适应不同交互场景！」既然机器人要帮人类干活，以人形外在来模仿人类学习，这显然是最佳的。

作为行业的指向标，早在 2022 年 9 月，特斯拉就发布了通用人型机器人 Optimus，虽然起初连路都走不稳，但它具备完整的人型机器人原型，满足人类能做的灵巧工作基础，在特斯拉软硬件技术的持续迭代下，Optimus 将具备更令人期待的功能，事实证明确实如此。

在 2024 世界人工智能大会上，特斯拉向大家展示了其人形机器人 Optimus 的最新研究进展：直立行走速度提高 30%、十个手指也进化出感知和触觉，能轻握易碎的鸡蛋、也能平稳地搬运沉重箱子。据了解，Optimus 已在特斯拉工厂尝试实际应用，比如借助视觉神经网络和 FSD 芯片，模仿人类操作进行电池的分拣训练，预计明年将有超过 1,000 个人形机器人在特斯拉工厂帮助人类完成生产任务。

同样地，作为一家成立于 2015 年的行业领先通用机器人公司，上海傅利叶智能科技有限公司也将其人形机器人 GR-1 带到了大会现场。自 2023 年推出至今，GR-1 已率先实现量产交付，在环境感知、仿真模型、运动控制优化等方面实现进阶升级。

此外，在今年 3 月份，英伟达在年度 GTC 开发者大会上，也推出了名为 GR00T 的人形机器人项目，通过观察人类行为来理解自然语言和模仿动作，机器人可以快速学习协调性、灵活性和其他技能，以导航、适应、与现实世界互动。

随着科技的不断进步，我们有理由相信，人形机器人或将成为连接人与机器、现实与未来的桥梁，引领我们进入一个更加智能、美好的社会。

参考资料：
https://m.163.com/dy/article/J69LAFDR0512MLBG.html
https://36kr.com/p/1987021834257154
https://hub.baai.ac.cn/view/211