機器人技術(shù)為推進人工智能提供了重要機會，因為教機器獨立學習將有助于在其他場景中開發(fā)更有能力和更靈活的AI系統(tǒng)。與各種機器人合作，F(xiàn)acebook AI研究人員正在探索新技術(shù)，以突破人工智能的界限。

做這項工作很復(fù)雜，數(shù)據(jù)更嘈雜，條件變化更大且不確定，實驗還有額外的時間限制（因為在學習時不能加速模擬）。這些問題并不簡單，但是它們?yōu)锳I提供了有用的測試用例。

與其他人工智能研究領(lǐng)域一樣，在機器人領(lǐng)域的大部分工作都集中在自我監(jiān)督上，其中系統(tǒng)直接從原始數(shù)據(jù)中學習（而不是從特定任務(wù)的特定結(jié)構(gòu)化訓練數(shù)據(jù)中學習），因此它們可以適應(yīng)新任務(wù)和新任務(wù)情況。

為了在機器人技術(shù)中做到這一點，團隊正在推進諸如基于模型的強化學習（RL）之類的技術(shù)，以使機器人能夠使用來自傳感器的直接輸入通過反復(fù)試驗來自學。這里強調(diào)的項目展示了使用這些自我監(jiān)督的學習方法來解決這一領(lǐng)域中最基本的挑戰(zhàn)：開發(fā)可以四處移動并探索周圍環(huán)境，并操縱遇到的物體的機器人。

這項工作將導(dǎo)致更強大的機器人，但更重要的是，它將使人工智能可以更有效地學習，更好地推廣到新的應(yīng)用程序。

為了突破機器如何獨立學習的極限，團隊正在開發(fā)基于模型的RL方法，使六足機器人能夠?qū)W會走路，而不需要特定任務(wù)的信息或訓練。

機器人從頭開始學習，沒有關(guān)于其環(huán)境或物理能力的信息，然后它使用數(shù)據(jù)有效的RL算法來學習實現(xiàn)期望結(jié)果的控制器，例如向前移動。在收集信息時，模型會優(yōu)化獎勵并隨著時間的推移改善其性能。

學習走路是很有挑戰(zhàn)性的，因為機器人必須在它的傳感器的幫助下，比如在它六條腿的每個關(guān)節(jié)上的傳感器（因為它的腳上沒有傳感器），推斷出它在空間中的平衡、位置和方向。這些傳感器是有噪聲的，使得這種估計很困難并且容易出錯。

我們的目標是減少機器人學習走路所需的互動次數(shù)，因此只需幾個小時而不是幾天或幾周。技術(shù)包括貝葉斯優(yōu)化以及基于模型的RL，旨在推廣用于各種不同的機器人和環(huán)境。除了機器人技術(shù)之外，它們還可以幫助提高RL的樣品效率，例如A / B測試或任務(wù)調(diào)度。

好奇心是人類學習的核心動力，好奇的AI系統(tǒng)因探索和嘗試新事物以及實現(xiàn)特定目標而獲得獎勵。雖然以前的類似系統(tǒng)通常會隨機地探索它們的環(huán)境，但我們會以結(jié)構(gòu)化的方式進行探索，尋求通過了解周圍環(huán)境來滿足其好奇心，從而減少模型的不確定性。我們已經(jīng)成功地將這種技術(shù)應(yīng)用于模擬和真實世界的機器人手臂。

我們的方法不同于其他好奇心驅(qū)動的機器人研究，因為我們明確優(yōu)化了解決不確定性的行動。為了探索動態(tài)模型的不確定部分的動作產(chǎn)生更高的回報，我們試圖將模型預(yù)測的方差包括在獎勵函數(shù)評估中。

系統(tǒng)意識到其模型的不確定性并優(yōu)化動作序列，以最大化獎勵（實現(xiàn)期望的任務(wù)）并減少模型的不確定性，使其能夠更好地處理新的任務(wù)和條件。它可以生成更多種類的新數(shù)據(jù)并更快地學習，在某些情況下，可以進行數(shù)十次迭代，而不是數(shù)百次或數(shù)千次。

研究表明，尋求解決不確定性實際上可以幫助機器人更快地完成任務(wù)。模型也能更好地推廣到新任務(wù)中。

雖然探索一個環(huán)境可能比只專注于特定目標更有效，這似乎違反直覺，但這種以好奇心為驅(qū)動的行為可以幫助機器人避免被困或卡住。

我們希望這項研究能夠幫助創(chuàng)建在不確定環(huán)境中更靈活地響應(yīng)并學習新任務(wù)的系統(tǒng)。這有助于進行結(jié)構(gòu)化探索，以便更快、更有效地學習現(xiàn)實世界中的其他RL任務(wù)，并幫助開發(fā)將不確定性納入其他模型的新方法。

機器人通常主要依靠計算機視覺，但觸摸也是一個重要而復(fù)雜的研究領(lǐng)域。例如，給定特定的操縱任務(wù)，如果物體被遮擋，機器人可以使用觸覺感測來完成任務(wù)。

我們與加州大學伯克利分校的研究人員合作，開發(fā)了一種新的觸摸學習方法，通過自我監(jiān)督學習實現(xiàn)新目標，無需任務(wù)專用訓練數(shù)據(jù)。然后可以通過分配新目標，使用此模型來確定要采取的最佳操作順序。

我們采用了最初為視頻輸入開發(fā)的預(yù)測模型，并將其用于優(yōu)化基于深度模型的控制策略，這些策略直接對原始數(shù)據(jù)進行操作，在本例中，原始數(shù)據(jù)由高分辨率觸覺傳感器提供的高維地圖組成。研究表明，通過與環(huán)境的多種自我監(jiān)督的探索性互動，可以完全學習預(yù)測模型而無需獎勵。

使用此視頻預(yù)測模型，機器人能夠完成一系列復(fù)雜的觸覺任務(wù)：滾動球，移動操縱桿，以及識別20面模具的右側(cè)面。該模型的成功表明了使用視頻預(yù)測模型創(chuàng)建系統(tǒng)的承諾，這些系統(tǒng)可以了解環(huán)境對觸摸的反應(yīng)。

這項研究還為探索多模式學習創(chuàng)造了新的途徑，這對于廣泛的人工智能研究非常重要，例如開發(fā)系統(tǒng)以更好地理解不同模式的內(nèi)容。

如果我們想要更接近能夠像人類那樣思考、計劃和推理的機器，那么就需要構(gòu)建能夠在數(shù)字世界之外的許多場景中自學的人工智能系統(tǒng)。

機器人技術(shù)是人工智能長期研究的重點，以上展示的例子是Facebook AI中正在進行的眾多機器人研究項目中的一些，它們將幫助我們構(gòu)建可以更有效地學習并更好地推廣到新應(yīng)用程序的AI。