您可能想要寻找有大房间的airbnb房屋，非常明亮的公寓或带有双洗手池的浴室。 但是，如果您是机器人，则只需要很少的变化即可。 地毯在这里，镶木地板在那。 因为您是开拓者，而不仅仅是游客。
至少卡内基梅隆大学的团队开发的特殊机器人就是这种情况。 为了训练在现实世界中操纵物体的机器，他们需要使用许多不同的房屋-首先是他们自己的房屋，然后是朋友的房屋，然后是可负担的房屋。 因此，他们在对机器人进行了一定程度的培训之后，便与他们一起在Airbnb的未知地方进行了测试。
而且，是的，直到您询问为止-房屋的所有者知道为什么他们要租用房屋。 而且，是的，机器人-基本上看起来像是用一只手的机器人吸尘器-被证明是很棒的客人。 （他们呆了大约一天半，和他们一起进行测试的几位科学家）。 机器人技术专家Lerrel Pinto说：“我记得业主对这项工作非常感兴趣，他们也很想知道机器人在房屋不同地方的表现。” “他们说我们可以在房屋的其他地方安全地使用机器人。” 研究人员就是这样做的。 “他们中的一些人非常好奇，他们观察了机器人的布置方式，运动方式，并询问机器人是否可以从地板上捡拾垃圾。”
他们不知道如何。 他们知道该怎么做，就是证明他们有能力处理研究人员带来的新物体，从订书机到毛绒玩具和喷雾瓶。 研究人员将它们放置在不同的表面，地毯和地板上，这为机器人提供了在不同背景下练习工作的机会。
实际上，可以教导机器以两种方式抓取对象：在模拟中或在现实世界中。 模拟速度快。 您可以使数字机器人模型在真实机器可以稍微移动其肘部和手腕的时间里消除数百次碰撞。 不幸的是，在数字世界中，人们无法完全模拟真实的世界：物理实验仍然是验证训练确实能够应对真实物理学的唯一方法。 您还可以使用模拟训练-当一个人控制机器人时，机器人会学习如何做，但是这需要很多努力。
最终的物理测试包括将机器人带到为实验室测试特别准备的无菌环境之外，进入混乱无序的人们世界。 “我们需要将机器人带回家，”帮助开发新系统的机器人工程师Abhinav Gupta说。 “我们需要收集有关地板可能不同的真实环境中的操作的大量数据-它可以是地毯，瓷砖或木板。”
当研究人员在家训练机器人时，他们已经有了一些先验知识。 例如，要进行捕获，必须使用机器视觉来观察对象，然后到达并拿走它。 问题是在哪里。 Gupta说：“机器人随机选择了一个斑点，并试图挤压手指以查看抓握是否成功。” “实际上，您是否设法将物体从地板上抬起。” 借助内置的功率传感器，机器人可以确定捕获是否成功，并可以识别出手中的物体。
Gupta补充说：“起初，一切都是偶然发生的，但经过数千次重复，他开始学习自己在哪里成功做到了，而不是在哪里做到了。” 因此，机器人可以学会使用真实的物体，然后使用这些数据，试图捕获房屋中遇到的一切。 与实验室不同，所有事情都发生在不同的光照条件下和不同的楼层上，因此机器人收集了更丰富的数据集，这些数据可以更准确地代表将来机器人的实际工作场所-例如，如果他们打扫老年人的公寓。 因此，一旦在不熟悉的环境中租住公寓，他就可以适应，而不会感到恐慌。 结果，当在实验室训练的模型仅处理了18.5％的情况时，该机器人就可以捕获62％情况下未知的对象。
这并不意味着实验室培训已经过时。 能够执行几毫米公差的任务的复杂机器人对于研究机器人抓地力至关重要-而这一领域对于机器人来说仍然是个问题。 但是这类机器人太大而又昂贵-高达数万美元-因此您可以在家中对其进行试验。 研究人员仅用3,000美元就组装了一个更具移动性的家用机器人。
存在一些折衷，例如，使用公差为厘米而不是毫米的电动机。 这不是很好-想象您错了一个厘米，试图抓住一罐汽水。 “但是我们试图模拟随机性，”古普塔说。 “我们不仅试图学习如何抓住，而且还要学习控制器可能犯的错误。” 当他们设法进行模拟时，他们能够纠正机器人的轻微反复无常的运动。
“这项工作表明，您如何考虑到在这种不受控制的环境中发生的事故并使用廉价的设备进行工作，同时如何在实验室外进行数据收集。 “这可以帮助您获得大量的高度可伸缩，多样化和聚合的数据，”麻省理工学院模拟培训机器人领域的Xavier Puy说。
这非常适合机器人和出租公寓的所有者。 确实，机器人绝不敢在公寓里乱七八糟。