加利福尼亞大學(xué)圣地亞哥分校(UCSD)和南加利福尼亞大學(xué)(USC)的研究人員最近推出了一種名為 CyberDemo 的新型人工智能框架，旨在通過(guò)視覺(jué)觀(guān)察進(jìn)行機(jī)器人模仿學(xué)習(xí)。

　　傳統(tǒng)的模仿學(xué)習(xí)方法通常需要大量高質(zhì)量的示范數(shù)據(jù)來(lái)教導(dǎo)機(jī)器人完成復(fù)雜任務(wù)，特別是對(duì)于需要高度靈巧的任務(wù)來(lái)說(shuō)。然而，CyberDemo 通過(guò)利用模擬人類(lèi)示范來(lái)完成真實(shí)世界的機(jī)器人操縱任務(wù)，從而減少了對(duì)物理硬件的需求，使得遠(yuǎn)程和并行數(shù)據(jù)收集成為可能。此外，通過(guò)模擬器專(zhuān)屬的數(shù)據(jù)增強(qiáng)技術(shù)，CyberDemo 顯著增強(qiáng)了任務(wù)性能，生成的數(shù)據(jù)集比在真實(shí)世界環(huán)境中收集的數(shù)據(jù)集大得多。

　　CyberDemo 的方法從在模擬環(huán)境中使用低成本設(shè)備進(jìn)行遠(yuǎn)程操作收集人類(lèi)示范開(kāi)始。隨后，通過(guò)廣泛的增強(qiáng)方法對(duì)數(shù)據(jù)進(jìn)行豐富處理，包括各種視覺(jué)和物理?xiàng)l件，以提高訓(xùn)練策略對(duì)真實(shí)世界變化的魯棒性。該框架采用課程學(xué)習(xí)策略進(jìn)行策略訓(xùn)練，首先使用增強(qiáng)數(shù)據(jù)集，然后逐漸引入真實(shí)世界示范以對(duì)策略進(jìn)行微調(diào)。與使用真實(shí)世界示范數(shù)據(jù)微調(diào)的預(yù)訓(xùn)練策略相比，這種方法確保了平穩(wěn)的從模擬到現(xiàn)實(shí)的過(guò)渡，解決了光照、物體幾何和初始姿勢(shì)變化等問(wèn)題，而無(wú)需額外的示范。

　　在各種操縱任務(wù)中，CyberDemo 的性能令人印象深刻。相比傳統(tǒng)方法，CyberDemo 在任務(wù)成功率上取得了顯著提高。尤其值得注意的是，在涉及未見(jiàn)過(guò)的物體時(shí)，CyberDemo 的泛化能力特別突出，在旋轉(zhuǎn)新物體的成功率達(dá)到42.5%，這是傳統(tǒng)方法表現(xiàn)的顯著飛躍。對(duì)比基線(xiàn)包括先進(jìn)的視覺(jué)預(yù)訓(xùn)練模型如 PVR、MVP 和 R3M，CyberDemo 的成功之處突顯了其效率和穩(wěn)健性，以及其能夠勝過(guò)在真實(shí)世界示范數(shù)據(jù)集上微調(diào)的模型。

　　CyberDemo 的創(chuàng)新方法通過(guò)利用增強(qiáng)的模擬數(shù)據(jù)挑戰(zhàn)了解決實(shí)際問(wèn)題必須依賴(lài)真實(shí)示范數(shù)據(jù)的傳統(tǒng)觀(guān)念。通過(guò) CyberDemo 的性能所展示的經(jīng)驗(yàn)數(shù)據(jù)，突顯了通過(guò)數(shù)據(jù)增強(qiáng)增強(qiáng)的模擬數(shù)據(jù)在機(jī)器人操縱任務(wù)的價(jià)值方面能夠超越真實(shí)世界數(shù)據(jù)。雖然為每個(gè)任務(wù)設(shè)計(jì)模擬環(huán)境需要額外的工作，但減少了數(shù)據(jù)收集的人為干預(yù)，并避免了復(fù)雜的獎(jiǎng)勵(lì)設(shè)計(jì)過(guò)程，為機(jī)器人操縱領(lǐng)域帶來(lái)了一種可擴(kuò)展且高效的解決方案。