豐色 發(fā)自 凹非寺
量子位 | 公眾號(hào) QbitAI
四足機(jī)器人走著走著突然斷了一條腿,還能繼續(xù)前進(jìn)嗎?
來自谷歌和密歇根大學(xué)的最新成果,給出了非常肯定的答案。
他們發(fā)明的一種叫做AutoRobotics-Zero(ARZ)的搜索算法,既不靠大模型,也不用神經(jīng)網(wǎng)絡(luò),可以讓機(jī)器人一旦遇到劇烈的環(huán)境變化,就立刻自動(dòng)更改行動(dòng)策略。
譬如斷腿照樣走:
相比之下,別的神經(jīng)網(wǎng)絡(luò)方法還是這樣?jì)饍旱?手動(dòng)狗頭):
英偉達(dá)AI科學(xué)家Jim Fan評(píng)價(jià):
這個(gè)方法非常令人耳目一新。
機(jī)器人再也不怕被忽悠瘸了
具體如何實(shí)現(xiàn)?
讓機(jī)器人斷腿繼續(xù)走的秘密
快速適應(yīng)環(huán)境變化是機(jī)器人部署到現(xiàn)實(shí)世界中非常重要的一項(xiàng)技能。
但目前常用的循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)技術(shù)存在策略單一、重參數(shù)化導(dǎo)致推理時(shí)間長、可解釋性差等問題。
為此,作者直接“另起爐灶”,基于AutoML Zero技術(shù)開發(fā)了這項(xiàng)全新的四足機(jī)器人環(huán)境自適應(yīng)策略:AutoRobotics-Zero(ARZ)。
關(guān)于AutoML Zero,不熟悉的朋友再了解一下:
它是2020年誕生的一種“從零開始的自動(dòng)機(jī)器學(xué)習(xí)”算法,出自谷歌大腦Quoc V.Le大神等人之手,僅使用基本數(shù)學(xué)運(yùn)算為基礎(chǔ),它就能從一段空程序開始,自動(dòng)發(fā)現(xiàn)解決機(jī)器學(xué)習(xí)任務(wù)的計(jì)算機(jī)程序。
在此,作者也將各種機(jī)器人行動(dòng)策略表示為程序,而非神經(jīng)網(wǎng)絡(luò),并僅使用基本的數(shù)學(xué)運(yùn)算作為構(gòu)建塊,從頭開始演化出可適應(yīng)性策略及其初始參數(shù)。
隨著不斷的進(jìn)化,該方法能夠發(fā)現(xiàn)控制程序(即Python代碼,如下圖所示),從而在與環(huán)境互動(dòng)的同時(shí),利用感覺運(yùn)動(dòng)經(jīng)驗(yàn)來微調(diào)策略參數(shù)或改變控制邏輯(也就是當(dāng)隨機(jī)分支在隨機(jī)時(shí)間突然中斷時(shí)運(yùn)行新的分支)。最終就可以在不斷變化的環(huán)境下實(shí)現(xiàn)自適應(yīng)。
具體而言,ARZ的算法由兩個(gè)核心函數(shù)組成:StartEpisode()和GetAction(),前者在機(jī)器人與環(huán)境交互的每個(gè)階段開始時(shí)就開始運(yùn)行,后者負(fù)責(zé)調(diào)整內(nèi)存狀態(tài)(因?yàn)椴呗员槐硎緸樽饔糜谔摂M內(nèi)存的線性寄存器)和代碼修改。
在進(jìn)化搜索上,ARZ則采用兩種控制算法:負(fù)責(zé)多目標(biāo)搜索的非支配排序遺傳算法II(NSGA-II)和負(fù)責(zé)單目標(biāo)搜索的正則化進(jìn)化算法(RegEvo)。
如下圖所示進(jìn)化控制算法的評(píng)估過程,單目標(biāo)進(jìn)化搜索使用平均情節(jié)獎(jiǎng)勵(lì)作為算法的適應(yīng)度,而多目標(biāo)搜索優(yōu)化了兩個(gè)適應(yīng)度指標(biāo):平均獎(jiǎng)勵(lì)(第一個(gè)返回值)和每次episode的平均步數(shù)(第二個(gè)返回值)。
以及作者介紹,為了預(yù)測(cè)動(dòng)態(tài)環(huán)境中給定情況下的最佳行動(dòng),策略必須能夠?qū)?dāng)前情況與過去的情況和行動(dòng)進(jìn)行比較。
因此,ARZ所有策略都被設(shè)計(jì)為“有狀態(tài)的”,即內(nèi)存內(nèi)容在一個(gè)事件的時(shí)間步長內(nèi)是持續(xù)存在的,由此才得以完成自適應(yīng)。
此外,有所不同的是,該方法還去掉了原始AutoML Zero技術(shù)中的監(jiān)督學(xué)習(xí)模式,最終無需明確接收任何監(jiān)督輸入(如獎(jiǎng)勵(lì)信號(hào))就可以讓進(jìn)化程序在整個(gè)生命周期內(nèi)進(jìn)行調(diào)整。
比神經(jīng)網(wǎng)絡(luò)更有效
作者用宇樹科技的“萊卡狗”(Laikago)四足機(jī)器人模擬器在模擬環(huán)境中進(jìn)行了效果測(cè)試。
最終,只有ARZ可以進(jìn)化出在隨機(jī)斷腿情況下保持向前運(yùn)動(dòng)和避免摔倒的自適應(yīng)策略。
相比之下,進(jìn)行了全面超參數(shù)調(diào)整并使用最先進(jìn)強(qiáng)化學(xué)習(xí)方法完成訓(xùn)練的MLP和LSTM基線都失敗了:
要么不具有魯棒性,不能每次都成功;
要么一次都沒有成功過。
需要注意的,這還是在ARZ使用的參數(shù)和FLOPS比MLP和LSTM都少得多的情況下。
下圖則是統(tǒng)計(jì)數(shù)據(jù):只要任何一列中的reward<400就表示該腿的大多數(shù)測(cè)試都以摔倒告終。
我們可以再次看到,除了ARZ,只有MLP方法能夠在右后腿成功一次。
除了以上這些,ARZ還顯現(xiàn)出了目前的RNN技術(shù)都做不到的可解釋性。
如圖所示,它在斷腿案例中發(fā)現(xiàn)的各種策略可以都符號(hào)化為如下表示:
最后,除了機(jī)器人斷腿走路,ARZ還可以在“具有隨機(jī)傾斜軌道的cartpole系統(tǒng)”中自動(dòng)保持平衡。
文章內(nèi)容僅供閱讀,不構(gòu)成投資建議,請(qǐng)謹(jǐn)慎對(duì)待。投資者據(jù)此操作,風(fēng)險(xiǎn)自擔(dān)。
近日,德國柏林國際電子消費(fèi)品展覽會(huì)(IFA2024)隆重舉辦。憑借在核心技術(shù)、產(chǎn)品設(shè)計(jì)及應(yīng)用方面的創(chuàng)新變革,全球領(lǐng)先的智能終端企業(yè)TCL實(shí)業(yè)成功斬獲兩項(xiàng)“IFA全球產(chǎn)品設(shè)計(jì)創(chuàng)新大獎(jiǎng)”金獎(jiǎng),有力證明了其在全球市場(chǎng)的強(qiáng)大影響力。
近日,中國家電及消費(fèi)電子博覽會(huì)(AWE 2024)隆重開幕。全球領(lǐng)先的智能終端企業(yè)TCL實(shí)業(yè)攜多款創(chuàng)新技術(shù)和新品亮相,以敢為精神勇闖技術(shù)無人區(qū),斬獲四項(xiàng)AWE 2024艾普蘭大獎(jiǎng)。
“以前都要去窗口辦,一套流程下來都要半個(gè)月了,現(xiàn)在方便多了!”打開“重慶公積金”微信小程序,按照提示流程提交相關(guān)材料,僅幾秒鐘,重慶市民曾某的賬戶就打進(jìn)了21600元。
由世界人工智能大會(huì)組委會(huì)、上海市經(jīng)信委、徐匯區(qū)政府、臨港新片區(qū)管委會(huì)共同指導(dǎo),由上海市人工智能行業(yè)協(xié)會(huì)聯(lián)合上海人工智能實(shí)驗(yàn)室、上海臨港經(jīng)濟(jì)發(fā)展(集團(tuán))有限公司、開放原子開源基金會(huì)主辦的“2024全球開發(fā)者先鋒大會(huì)”,將于2024年3月23日至24日舉辦。