智東西（公衆号：zhidxcom）

編譯 | 楊暢

編輯 | 李水青

智東西11月27日報道，近期，谷歌母公司Alphabet的機器人團隊“Everyday Robots”将其研發的100多台機器人落地，部署在其山景城的園區内，測試其自主執行擦桌子、推凳子、開門等日常任務能力，這一成果也首度公布于衆。

與市面上常見的機器人不同，這些機器人可以在非結構化環境中完成多項任務，并且能夠自主學習。比如，他們能通過不到一天學習時間，以90%的成功率完成開門動作。

一、100多個機器人，進出谷歌辦公室自主幹活

Everyday Robots的首席機器人官Hans Peter Brøndmo說：“我們現在運營着一支由100多個機器人原型機組成的機器人隊伍，它們在我們的辦公室周圍自主執行一系列有用的任務。”

機器人可以完成很多幫助人的日常工作，例如有人把垃圾放進了錯誤的垃圾桶，機器人可以幫忙将垃圾重新分類。

再比如，如果有人沒有顧得上扔垃圾，機器人能幫他把桌子上的垃圾收到機器人的垃圾盤上，再扔到垃圾桶裡。

除了垃圾分類，Everyday Robots的機器人還能幫忙擦桌子。

機器人不僅可以幫忙完成其清潔工作，在研究人員的演示視頻中，機器人還表演了切菜和微波爐熱東西。

機器人利用其抓手還能幫忙開門，像打開會議室的門，檢查房間是否需要整理，或者是否缺少椅子。

Everyday Robots團隊的機器人由輪子，機身及機器臂和頭部的傳感裝置三部分組成，通過機器學習，機器人可以實現在非結構化的日常環境中，完成包括上述開門、擦桌在内的多種任務。

早在2016年，Everyday Robots團隊就使用工業機器人的小型實驗室配置，來讓機器人學習如何抓取玩具、鑰匙等小型物體，當時一個機器人需要四個月的時間才能學會簡單的抓取，成功率為75%。

現在，Everyday Robots團隊取得了新的進展：單個機器人學習如何執行複雜任務，例如開門任務，在不到一天的實際學習中，任務成功率可以達到90%。

二、機器人換個場景就幹不了活了？No！

根據負責谷歌“moonshot stuff（登月計劃）”Astro Teller的說法，Everyday Robots的目标是創造一個通用的學習型機器人。

目前市面上常見的機器人非常擅長三件事情：力量、精度和重複性工作。

Hans講道，現在的大多數機器人是在專門設計、結構化甚至帶有照明的環境中運行，這些機器人完成的任務非常具體，其程序經過精心的編碼，可以在特定時間用特定方式來執行這些任務，例如在工廠中組裝智能手機、将芯片放到電腦闆上，或者在裝配線上将汽車門提升到适當位置。

但是在理解新的空間和環境、完成多項事情方面，現在的這些機器人表現糟糕。

Hans說，想象一下，研究人員可以通過編程，讓機器人拿起一杯咖啡、預測是否有燈光或者打開一扇門，但換一個其他場景，機器人就什麼也不會了。要讓機器人在人類生活和工作等非結構化和不可預測空間中發揮作用，機器人需要學習。

Everyday Robots團隊認為未來的機器人是可以自主學習的，可以在事物不斷發生變化的日常環境中幫助人類，比如工作場所、醫院、社區、家中等，并且能了解如何在已知和未知的環境中幫助人類完成更多任務，了解人類偏好，并在人們最需要幫助的時候伸出援助之手。

三、軟硬件結合，打造自主學習型機器人

為了彌合當前單一用途機器人和未來輔助型機器人的差距，在過去幾年中，Everyday Robots團隊一直在構建一個專門為機器人學習而設計的集成硬件和軟件的系統。該系統任務是将機器人的學習過程從虛拟世界轉移到現實世界。

機器人的硬件主要有三個部分：輪子、手臂和傳感器模塊。

Everyday Robots團隊的機器人采用的是輪子而不是機械腿，輪子可以讓機器人去到幾乎任何地方。

機器人的手臂系統可以用來完成多項任務，例如拾取物體、打開抽屜等，并且還是模塊化的，可以根據任務需要添加和移除工具，像用于抓取的夾子，用于擦拭的刮刀，用于除塵的刷子等。

為了了解周圍世界，機器人還配備了一套集成攝像頭、激光雷達、IMU和保險杠傳感器的傳感裝置，可實時收集視覺和空間數據，并且還能處理顔色、深度、飛行時間和其他信息，便于機器人在探索周圍環境時創建詳細的環境地圖。

硬件允許機器人在現實空間中感知和移動，而軟件使機器人能夠适應現實生活的不可預測性。

軟件幫助機器人将其硬件系統收集到的數據轉化為對環境的理解。通過監督學習，機器人可以分辨出那邊的東西是一張桌子或是一個罐子，它看到的越多，其感知系統在分割和分類方面的表現就越好，使機器人能夠區分越來越多的物體。

在了解周圍環境後，機器人的軟件系統通過模仿學習和強化學習來幫助機器人完成新的任務。

為了加速機器人學習進程，Everyday Robots的機器人操作員團隊通過演示、互動和實時反饋，給機器人提供指導。

此外，Everyday Robots還采用了雲模拟器Sim來幫助機器人練習新技能。Sim可以擴展創建幾乎無限數量的環境和場景，具有高度的方差和随機化，從而使機器人學習所需的時間從幾個月減少到幾天。

除了在虛拟環境世界中使用最新的軟件和機器學習模型測試和訓練機器人，Everyday Robots還在分階段的環境中訓練，以受控的方式在現實中練習任務。

Hans說：“并且我們已經證明，我們可以在算法和機器人開門學習訓練的基礎上，将機器人應用于一項新任務——拉開咖啡館的椅子。這一進展給了我們希望，即我們制造通用學習型機器人的登月計劃成為可能。”

現在，這些機器人已經被放到了谷歌公司的辦公室周圍，接下來一段時間，在山景城工作的谷歌員工可能會看到這些機器人工作。

Hans說，随着時間的推移，Everyday Robots會擴大其機器人原型機隊伍要完成的任務類型和工作場地。

結語：從實驗室到辦公室，谷歌機器人潛力不小

2016年對于谷歌來說應該算是特殊的一年，2016年機器人AlphaGo和圍棋世界冠軍比賽獲勝，全球轟動，而成立于2016年的Everyday Robots到如今也走到了比較成熟的階段。

Everyday Robots研發的機器人偏向日常生活輔助任務，比如擦桌子，推椅子，但是能完成的任務并不單一，相比于送餐機器人、清潔機器人等隻能完成一樣任務的服務機器人來說，可以一個機器人頂好幾個機器人。

同時，自主學習機器人能适應更複雜的環境，可使用執行一項任務時學到的知識，執行其他任務，擁有不小的潛力。

來源：IEEE Spectrum、Everyday Robots官網、Alphabet官網

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!