“从错误中学习的工人机器人”

实践是完美的——这是帮助人类变得高度灵巧的格言，现在已经应用于机器人上了。

利兹大学的计算机科学家们正在利用自动规划和强化学习的人工智能( ai )技术训练机器人，在仓库的架子和冰箱等杂乱的空之间发现物体并移动。

目的是迅速发展机器人的自主权，使机器能够判断任务中出现的独特情况并找到处理方案，类似于将技能和知识转移到新问题上的机器人。

利兹大学的研究人员今天( 11月4日，星期一)在中国澳门召开的智能机器人和系统国际会议上介绍了他们的发现。

最大的挑战是，在狭小的区域中，机械臂可能无法从上面抓住物体。 相反，它可能需要计划一系列移动才能到达目标对象，也可能通过处理其他项目来实现。 计划这些任务所需的计算机非常强大，机器人通常会暂停几分钟。 如果同时执行移动，一般会失败。

快速发展实践的想法是完美的，利兹的计算机科学家将ai的两个想法融合在了一起。

一个是自动化计划。 机器人可以通过视觉系统看问题，实际上是图像。 机器人操作系统的软件模拟为了到达目标对象而可能执行的一系列动作。

但是，机器人预演的模拟无法捕捉现实世界的很多复杂性，而且在实施模拟时机器人无法执行任务。 例如，你可以从架子上敲击东西。

因此，利兹队结合了另一种叫做强化学习的ai技术和计划。

为了加强学习，为了实现和移动对象，需要进行一系列计算机尝试和错误尝试(共计约10，000次)。 通过这些尝试和错误的尝试，机器人可以学到计划好的动作很可能会成功结束。

计算机自己进行学习，首先随机选择可能有效的计划动作。 但是，随着机器人从试错中吸取教训，选择成功可能性较高的计划动作变得更好了。

计算学院的matteo leonetti博士说，人工智能擅长让机器人进行推理。 例如，我看到了和宗师一起参加国际象棋的机器人。

但是，机器人不能很好地完成人类擅长的事情。 高度的灵活性和灵巧度。 什么样的物理技能与人脑硬连接，是进化的结果，以及我们实践和实践的方法。

这就是应用于下一代机器人的想法。

据撰写研究论文的博士生wissam bejjani介绍，该机器人具有将其计划应用于独特情况的概括能力。

他说。 “我们的工作意义重大。 那是因为计划和强化学习相结合。 许多要开发这项技术的研究只是其中之一的做法。

我们的做法在大学机器人实验室看到的结果得到了验证。

一个问题是，机器人必须移动大苹果时，首先移动到苹果左侧清除垃圾，然后操作苹果。

这是为了防止垃圾落在架子边界之外。

计算副教授mehmet dogar博士也参加了这项研究。 他说，这种方法将机器人的思考时间缩短了10倍，而消费50秒的决策现在需要5秒。

这项研究在英国工程和物理科学研究委员会的资助下，该项目旨在研究机器人技术中的类人物理学。

本文：《“从错误中学习的工人机器人”》