阿尔法NIST
AlphaNIST

原始链接: https://alpha-nist.github.io/

试图规定每一个动作,意味着要预判机器人在接触和障碍变化时应如何反应。两指夹爪可能也需要与人类手部自然采用的方案截然不同的解决方案。也许答案是不再告诉机器人我们认为任务该怎么做,而是让它学会如何达到目标。我们为成功给它一个二元任务奖励,并通过大量多样化的经验来训练它。这就为机器人留出了空间,去发现我们可能从未想过要教的解决方案。

Hacker News 上关于 AlphaNIST(alpha-nist.github.io)的讨论,这是一篇为 Nvidia/UW 机器人论文而写的博客文章。评论者称赞其有机的弹拨动作,但指出机器人接收的是点云——实质上是除速度外几乎完整的模拟状态——而论文承认其对感知误差、延迟或接触模型不匹配没有鲁棒性。一位评论者质疑这个名字,因为它既不是 Alphabet/DeepMind,也与 NIST OCR 无关;其他人澄清说,这是 NIST 的板挑战赛,并且是对 DeepMind 的 Alpha RL 工作的致敬。一位作者确认了这一致敬,并表示将这些想法迁移到真实机器人上仍处于早期;另一篇论文将发表于 CoRL。评论者还怀疑拧紧螺母的演示在现实中是否可行,因为需要大量 rollout。该讨论串提到了变化初始状态和成功引导的初始状态采样等新颖想法。总体而言:一种有趣但仅限模拟的高精度机器人 RL 方法。
相关文章

原文

Trying to prescribe every maneuver means anticipating how the robot should respond as contacts and obstructions change. A two-finger gripper may also need solutions quite different from those that come naturally to a human hand.

Perhaps the answer is to stop telling the robot how we think the task should be done, and let it learn how to get there. We give it a binary task reward for success and train it through vast amounts of diverse experience. That leaves room for the robot to discover solutions we might never have thought to teach.

联系我们 contact @ memedata.com