伯克利大學研究人員開發 AI 驅動技術 加速機器人編程與訓練過程

·作者 Henderson·Engineering
伯克利大學研究人員開發 AI 驅動技術 加速機器人編程與訓練過程
重點
  • 伯克利大學開發的AI技術能加速機器人編程及訓練過程。
  • 代理機器人技術結合多個AI代理生成控制程序,提升機器人表現。
  • 這項技術減少了對大量訓練數據及手動工程的需求。
  • 初步應用集中於工業環境,顯示出顯著的包裹分揀能力提升。

加州大學伯克利分校的研究人員開發了一種基於人工智能的技術,能顯著加速機器人編程及訓練以應對現實世界任務。這種被稱為「代理機器人技術」的方法,利用多個人工智能代理生成機器人控制程序,在模擬環境中進行測試,並不斷完善其性能。這項技術能減少大量訓練數據及手動工程的需求,這兩者一直是制約能力強大的機器人發展的主要挑戰。早期的測試已顯示出在機器人任務表現上的改善,預示著其在工業自動化及倉庫運作方面的潛在應用。

代理機器人技術的優勢

這種新的機器人編程方法結合了代理人工智能、基於物理的模擬及模塊化控制系統,幫助機器人在不依賴龐大訓練數據集的情況下提升表現。代理機器人技術使得多個人工智能代理能生成機器人控制程序,在模擬環境中進行測試,識別失敗,並在將其應用於實體機器之前修訂其代碼。這項技術能解決機器人技術中的兩個長期挑戰:編程機器人行為所需的廣泛工程,以及通過模仿學習所需的大量真實世界數據。

研究團隊發布了一項行業標準基準,用以評估機器人在工業任務中的表現。傳統上,機器人專家依賴兩種廣泛的方法。基於模型的機器人技術需要工程師手動編程機器如何感知物體、規劃動作及控制行為,而無模型機器人技術則使用演示和模仿學習來教導機器執行任務。前者需要大量的工程努力,而後者則需要龐大的數據集和漫長的訓練時間。代理機器人技術旨在結合這些方法的優勢,同時減少其侷限性。

這一方法使用了一個名為「圖作為策略」的框架,將複雜的機器人任務分解為更小的可重用技能,包括識別物體、規劃抓取動作及在不碰撞周圍物體的情況下移動機器人抓手。人工智能代理將這些單獨的技能連接起來,以構建完整的機器人控制程序。利用 NVIDIA 的 Isaac 模擬框架,研究人員在不同條件下測試這些程序,識別問題,並反覆修改代碼以提升性能。這使得機器人在工程師將最終程序部署到實體機器之前,能夠經歷多輪虛擬測試。

其中一個演示涉及機器人使用海綿擦拭金屬條上的墨水。研究人員向人工智能系統提供了一段短影片,並讓其訪問模擬界面。在一小時內,該系統生成並調整了一個物理模擬,重現了該任務,包括現實的海綿變形。然後,人工智能利用該模擬和「圖作為策略」框架生成機器人控制程序。它反覆測試並完善代碼,然後將其轉移到實體機器人上。在一次試驗中,機器人因未準確考慮物體的重量而推倒了金屬條。

系統使用這次失敗的影片更新其模擬,修訂控制程序,並測試新的方法。這一反饋過程使人工智能代理能夠利用實體試驗中的失敗來改進模擬,並完善後續嘗試,從而潛在地減少手動工程的工作量。

技術在工業物流中的應用

這項技術還在工業物流中進行了測試。一家倉庫機器人公司應用了這些方法於包裹分揀,分析生產數據並測試機器人行為的更新。試驗報告顯示,每台機器人的分揀能力每年提高了超過 15,000 個包裹。該公司已在其 30% 的美國車隊中部署了這些改進。研究人員還釋出了基於 NVIDIA 的 Isaac 模擬框架構建的開源代碼,並提供了一個行業基準,以評估機器人在不同任務中的表現。

初步應用集中於工業環境,在這裡重複操作提供了測試和完善機器人行為的機會。

這一方法最終可能使機器人系統更容易適應不斷變化的需求,而無需手動編程每一個動作或為每個新任務收集大量的演示數據。然而,這並不意味著機器人能夠獨立掌握任意現實世界活動。其立即潛力在於使機器人的編程、測試和改進變得更快且更具適應性,特別是在結構化的工業環境中。

AI技術如何改變機器人編程方式

新開發的代理機器人技術展示了人工智能在機器人編程中的潛力,特別是在減少對傳統方法的依賴方面。透過結合模擬和模塊化控制,這項技術不僅能提高機器人的性能,還能在工業環境中快速適應變化的需求。這對於提高生產效率和降低成本具有重要意義,特別是在需要大量重複操作的場景中。隨著技術的進一步發展,未來可能會出現更多自動化解決方案,進一步推動工業自動化的進程。

H
關於作者
Henderson