

Sonia Chernova 希望您来训练她的机器人。两年前,Chernova 和她在马萨诸塞州伍斯特理工学院 (WPI) 的一些机器人学同事启动了一个名为 RobotsFor.Me 的远程机器人实验室,这是一个用户可以登录并教导机器人如何在物理空间中运作的网站。它的听起来既令人兴奋又不足为奇。参与者可能会玩一个游戏,根据他们在 10 分钟内能帮助机器人捡起多少个物体来得分。但这些导师并没有真正深入到身临其境的、机器人视角的界面。“我们抽象了一切,”Chernova 说,她是 WPI 的 机器人自主与交互学习实验室 的主任。“他们从未见过这个机器人。他们从未接受过正确使用它的训练。他们没有意识到这个机器人价值数十万美元。”
很可能,他们也不知道为什么这个项目如此迫切需要。有必要先介绍一些背景。
几周后,一些有史以来最先进的机器人将聚集在加利福尼亚,并尽其最大的机械力量,尝试完成大多数 12 岁的孩子都能轻松完成的任务。简单的门把手将考验它们的能耐。水泥块和楼梯也是如此。几乎可以肯定,参加 6 月 5 日和 6 日 DARPA 机器人挑战赛 (DRC) 的 25 台机器中,有些将无法完成某些任务,例如尝试驾驶一辆多用途车辆。为什么?因为其中许多机器很难进入所述车辆,更不用说同时操作踏板和方向盘了。波莫纳 Fairplex 的观众不应该期望看到人形机器人以超人的精准度和敏捷性在赛道上飞奔——赛道旨在大致模拟一个灾难区。如果幸运的话,DRC 的机器人完成比赛将仅仅是低于人类的水平。如果不走运,它们可能会在赛场上被肢解,因为它们在尝试一项可笑的例行任务时摔倒了,比如捡起掉落的螺丝刀。在大多数比赛中,机器人将与其团队进行直接通信。因此,即使有人在它们身后“俯视”,并且时刻告诉它们该做什么,任何参赛作品能够像人类一样快速完成赛程,那都将是奇迹。
我并不是想贬低 DRC 的重要性,也不是想暗示它不会令人兴奋。它是自 DARPA 城市挑战赛(2007 年开启无人驾驶汽车竞赛的比赛)以来最激动人心的机器人竞赛。但 DRC 在一个非常特定的背景下很重要,这个背景与人们对机器人的普遍看法几乎无关。
在有序的环境中,例如工厂和仓库,机器可以以令人印象深刻的自主性运行,一丝不苟地组装或移动产品,并实现每个公司对无偿、不抱怨、非工会劳动力的幻想。但是,将机器人放入非结构化环境——机器人术语,指的是家庭、办公室或任何其他混乱的地方——然后准备好被深深地打动。当一个机器人吸尘器启用其创新的传感器套件和复杂的映射与导航算法来清洁一个房间时,一个人可能已经完成了整个房子。虽然将繁重的工作卸载给在医院里运送材料的机械信使很有用,但请想想,有时会看到一个有趣的画面,其中一台机器被垃圾桶挡住,等待一位好心的人类将机器人从无能为力的囚笼中解救出来。
要欣赏机器人,就需要放宽标准。
要欣赏机器人,就需要放宽标准。下次当记者试图用关于科幻小说反复出现的机器人叛乱的严肃分析来让你感到震惊时,请记住,无论像天网或奥创这样的智能将军有多么聪明,他们的庞大军队都将是笑柄。无人驾驶汽车在最佳条件下能够熟练地在道路上行驶,而人形机器人通常(尽管不总是)可以在最平坦的地形上保持行走速度。但是,如果将机器人汽车带离公路,远离其高速公路分隔带和预加载的激光地图以及物体识别数据集,那么它很可能会撞入湖中,而不是找到人类抵抗战士。而人形机器人可能会被慢跑甩掉,或者被一个小树枝或轻微的坡度变成冒烟的废墟。即使是像波士顿动力公司四足大狗这样的系统,虽然在崎岖地形中非常稳定,但缺乏理解它们跳跃通过的环境并采取不涉及移动性的行动的能力。虽然武装的空中机器人多年来一直是现代战争的一部分,但地面机器人,广义地说,太笨了,无法对任何人构成威胁。
需要说明的是,Chernova 并没有从事任何与军事机器人相关或类似的工作。那个跑题是我自己的。但是 RobotsFor.Me 的使命与机器人超能力的神话形成了鲜明对比。只有在电影中,机器人才能在陌生的环境中毫不失误地熟练操作。实际上,像 CARL(众包自主与机器人学习)这样的系统,也就是 WPI 在其众包实验中最常使用的、带轮子的单臂机器人,需要所有能获得的训练。虽然 RobotsFor.Me 自 2013 年以来一直对公众开放,但教学的必要性再明显不过了,因为我们已经看到了 DRC 的一些机器人多么努力地保持直立,更不用说证明它们可以在灾区替代人类响应者了。
通过互联网教授机器人的一个既定方法是使用亚马逊的 Mechanical Turk,这是一项将人类变成一种生物数据库的服务。机器人工程师可以提出一项任务,例如识别给定环境中的不同物体,而远方的网络中的人们可以以少量费用为这些物体打上标签。RobotsFor.Me 的分布式训练方法与之类似(尽管支付其用户的情况较少),但它也允许 Chernova 研究训练本身,希望制造出更自主的机器人,或者至少是更好地执行命令的机器人。“我的长期目标是卖给你一个机器人,你可以带回家,并按照你想要的方式教它为你工作,”Chernova 说。Mechanical Turk 和 RobotsFor.Me 之所以有效,部分原因在于它们提供了大量数据。Chernova 正在探索这种众包输入是否能为机器人提供对世界的基线知识,这些知识可以通过快速、直观的训练来补充,以解决布局或居住者差异,或你希望任务如何完成的偏好。RobotsFor.Me 最终可能有助于机器人区分勺子和叉子。但是用户应该能够告诉机器人哪种尺寸的叉子应该放在桌子上,而无需学习如何编写代码。
正如 RobotsFor.Me 不是朝着武装地面机器人发展的试验品一样,Chernova 的研究也并非专门致力于制造更高效的家政服务机器人。她从国家科学基金会获得的 433,351 美元拨款用于学习 RobotsFor.Me 研究收集的数据,并研究这些数据如何能够从一个用户或多个用户那里受益于自主性和训练。这是一个小项目(相比之下,例如,已经为一些 DRC 团队提供了数百万美元的资助),但可能具有重大意义。而且,在它为家用机器人注入急需的智能之前,它可能会导致一个更谦虚的折衷方案。还记得那些可怜地卡在垃圾桶后面的医院机器人吗?“我们可以将此作为初步步骤,使机器人长期而言更智能,但也可以开发出让人们在没有任何实际训练的情况下登录,并帮助机器人摆脱困境的方法,”Chernova 说。“每次呼叫中心的人接听一个机器人并帮助它,机器人就能变得更加自主。”虽然这不是她资助研究的一部分,但 Chernova 似乎看到了呼叫中心模式的潜力,以弥合持续远程控制机器人和信任其完全自主行动之间的差距。“我们可以可靠地开发出今天 90% 自主性的机器人,”Chernova 说。“问题就在于那 10%。”