UC伯克利大牛Pieter Abbeel釋出最新機器人，專為AI設計

近日，加州大學伯克利分校的一個機器人研究團隊推出了最新的成果：為機器人研究開發的機器人——Blue，低成本、專為 AI 設計的 Blue 旨在減輕機器人研究者的經濟負擔的，推進機器人的研究。

圖|Blue 機器人（來源：加州大學伯克利分校）

領導這一團隊的有加州大學伯利克分校教授、強化學習領域大牛 Pieter Abbeel、研究員 Stephen McKinley 、David Gealy。

圖|左至右依次為Pieter Abbeel、David Gealy、Stephen McKinley

”近幾年，AI 已經取得了長足的發展，這讓現在的機器人在軟體層面變得更加智慧，但硬體上卻原地踏步了很多年。我們需要為如今的 AI 時代開發新的機器人硬體。“Pieter Abbeel 表示。在成本方面，Stephen McKinley 認為，機器人越來越能夠在反覆的實驗中掌握新的技能，但如果沒有低成本的平臺來支援反覆的試驗和研究，可能無法快速發展。因此降低造價對推進機器人研究也至關重要。

根據其官方介紹，Blue 機器人具備 7 個自由度的雙臂機器人，量產之後價格有望控制在 2000 美元以下。麻省理工科技評論在報道中提到，Blue 機器人系統僅包含了一些低階的軟體用以操控機器人，不過更重要的是它能夠支援其他研究者自主編寫更多 AI 軟體。

團隊表示該機器人旨在利用最新的 AI 演算法來執行復雜的任務，同時保證價格低廉和安全性，減輕研究者的購買負擔。

值得關注的是，這款機器人支援研究者使用 VR 進行控制，這一過程對訓練 AI 機器人演算法非常重要。在研究者通過 VR 裝置操控機器人的同時，AI 演算法能夠對行為進行模仿學習，相當於人類為機器人減少了很多試錯的過程，讓機器人快速掌握某項技能。

圖|Blue 機器人（來源：加州大學伯克利分校）

Blue 機器人自身重量僅為 8.7 千克，連續有效荷載為 2 千克。從這些簡單資料可看出，該機器人的荷載不大，並不是為了執行生產任務設計的。

傳統的工業機器人為了順利進行重複性生產任務，通常具備較高的精度和強度，但這就無法保證人類在旁邊工作時的安全性，同時也無法勝任更加靈活的工作。因此，協作機器人在近幾年應運而生，旨在將機器人（精確）的重複效能和人的能力結合起來，同時為了能夠與人類共同工作，協作機器人大多進行了防夾傷、防碰撞的設計。但協作機器人的售價也常常在數萬美元以上。

團隊在設計 Blue 時也充分考慮到了研究者安全和試驗需求，如機器人對外力非常敏感，避免人類在操作時被夾傷，同時研究者還能對機器人進行調節，讓其可以表現得非常僵硬，也可以變得非常放鬆，易於拖動。

此外，靈活程度也是該團隊十分看重的要素，Blue 機器人除了擁有 7 個自由度，在轉動幅度上的表現也較為出色，這是為了讓使用者能夠教機器人進行更加複雜和多樣的動作。

不過與此同時，機器人的精度和力量則被大幅削弱了，這也是能夠降低成本的重要原因。McKinley 表示，他們認為該機器人不需要太高的精度和力量，開發機器人的重點只是為了能夠更加智慧。

（來源： Embodied Intelligence）

Pieter Abbeel 目前為加州大學伯克利分校教授、機器人學習實驗室主任，伯克利人工智慧研究 (BAIR) 實驗室聯合主任。過去幾年，Pieter Abbeel 及其帶領的團隊致力於讓機器人能夠觀察人類的行為，通過模仿學習多種技能，目前團隊已成功讓機器人學會打結、基本裝配、疊衣服等操作。

2017 年 Pieter Abbeel 與陳曦（Peter Chen）、段巖（Rocky Duan）和 張天浩（Tianhao Zhang）創立了 Embodied Intelligence（如今公司名：COVARIANT.AI），旨在藉助深度模仿學習（Deep Imitation Learning）、深度強化學習（Deep Reinforcement Learning），開發 AI 軟體幫助機器人更輕易、高效地學會複雜的操作。

圖|左至右 Pieter Abbeel、陳曦、段巖、張天浩

PieterAbbeel 認為，一旦機器人通過模仿學習掌握了某種技能，它們可以更快地通過強化學習不斷將這項技能進化，進而達到趨於完美的，這可比普通的程式設計或者強化學習要有效得多。