斯坦福為機(jī)器人提了個(gè)醒

　　傅盛說(shuō)，“2023年是人類歷史上第三個(gè)奇跡年。”

　　這一年，大模型盛行，人工智能爆發(fā)，尤其是在具身智能領(lǐng)域的突破，讓機(jī)器人有了更大的想象空間。

　　整個(gè)機(jī)器人產(chǎn)業(yè)都在摩拳擦掌，希望能在這樣的利好背景下做些什么，才不至于錯(cuò)失良機(jī)。

　　邁過(guò)2023年，也就是在剛剛進(jìn)入2024年的*周，斯坦福大學(xué)的研究團(tuán)隊(duì)又對(duì)外公開(kāi)了一個(gè)開(kāi)源項(xiàng)目，一個(gè)名為「Mobile ALOHA」的機(jī)器人開(kāi)源項(xiàng)目。

　　在這個(gè)開(kāi)源項(xiàng)目中，一臺(tái)配備了雙臂的“機(jī)器人”能夠疊被子、做家務(wù)，甚至還學(xué)會(huì)了烹飪。

　　尤其是在其公布出的幾個(gè)忙起來(lái)像模像樣的視頻，一經(jīng)各種短視頻大肆傳播，讓不少人驚嘆，這不妥妥就是我們夢(mèng)寐以求的保姆機(jī)器人嗎?

　　然而，和當(dāng)年跑酷、蹦迪的波士頓動(dòng)力超能機(jī)器人一樣，在如今失焦的媒體視角下，斯坦福研究團(tuán)隊(duì)的這一項(xiàng)目的魔力再次被神話。

　　面對(duì)大家如此始料未及的反響，就連Mobile ALOHA項(xiàng)目聯(lián)合負(fù)責(zé)人Tony Z. Zhao都親自在Twitter上放出Mobile ALOHA執(zhí)行任務(wù)失敗的視頻，并稱，“機(jī)器人還沒(méi)有準(zhǔn)備好接管世界！”

　　一波熱度將Mobile ALOHA推上風(fēng)口，一番鬧劇讓這一項(xiàng)目又面臨質(zhì)疑。

　　實(shí)則，如果花些時(shí)間看完這篇論文，就會(huì)發(fā)現(xiàn)，Mobile ALOHA是一個(gè)不錯(cuò)的開(kāi)源項(xiàng)目，也是一個(gè)和現(xiàn)在主流視野中的具身智能略有不同的機(jī)器人項(xiàng)目。

　　01.Mobile ALOHA是什么？

　　從短視頻中看到過(guò)它的人都知道：

　　Mobile ALOHA是一個(gè)會(huì)收拾家務(wù)，又會(huì)煎蛋煮飯的機(jī)器人，而這臺(tái)機(jī)器人能完成的這些工作，正是家庭保姆機(jī)器人所需要的技能。

　　正因如此，Mobile ALOHA一度被認(rèn)為是保姆機(jī)器人的原型機(jī)，甚至被人認(rèn)為是未來(lái)幾年內(nèi)推動(dòng)保姆機(jī)器人出現(xiàn)的關(guān)鍵。

　　實(shí)際上，論文的作者們，并沒(méi)有想這么多。

　　在這篇論文中，Mobile ALOHA在硬件上被定義為「一種用于收集雙臂運(yùn)動(dòng)數(shù)據(jù)的低成本全身遠(yuǎn)程操作系統(tǒng)」。

　　這臺(tái)機(jī)器人，也就是這套系統(tǒng)，主要由以下幾個(gè)部分組成：

　　移動(dòng)底座——一臺(tái)AGV機(jī)器人;

　　供電系統(tǒng)——一塊1.26kW·h、14kg重的電池;

　　控制系統(tǒng)——一臺(tái)配備英偉達(dá)3070顯卡和英特爾i7-12800H的筆記本電腦;

　　運(yùn)動(dòng)系統(tǒng)——兩個(gè)機(jī)械臂;

　　視覺(jué)系統(tǒng)——3個(gè)分辨率為480x640、頻率為50Hz的攝像頭。

　　如此硬件配置打造出一臺(tái)如前文所述能在家庭環(huán)境下實(shí)現(xiàn)諸多功能的機(jī)器人，最為關(guān)鍵的其實(shí)是兩點(diǎn)：

　　*，機(jī)器人移動(dòng)能力。

　　看過(guò)鋅產(chǎn)業(yè)此前文章的人應(yīng)該都了解，在機(jī)器人領(lǐng)域，除去工業(yè)機(jī)械臂外，還有兩類機(jī)器人已經(jīng)相當(dāng)成熟：

　　一類是用在家庭地面清潔場(chǎng)景中的掃地機(jī)器人，另一類是用在倉(cāng)儲(chǔ)搬運(yùn)場(chǎng)景下的AGV。

　　實(shí)際上，正是關(guān)乎機(jī)器人移動(dòng)能力的定位導(dǎo)航、路徑規(guī)劃等技術(shù)的成熟，推動(dòng)了這兩類產(chǎn)品在上一個(gè)十年逐漸普及。

　　就移動(dòng)底盤(pán)而言，Mobile ALOHA直接選用了市面上成熟的AGV產(chǎn)品，解決了機(jī)器人在家庭環(huán)境下的移動(dòng)能力。

　　第二，機(jī)器人的運(yùn)動(dòng)控制能力。

　　這里主要是指機(jī)械手臂的運(yùn)動(dòng)控制，也是Mobile ALOHA這一開(kāi)源項(xiàng)目的獨(dú)特性和技術(shù)含量所在。

　　和現(xiàn)在通過(guò)強(qiáng)化學(xué)習(xí)模型、大模型等驅(qū)動(dòng)機(jī)器人自主認(rèn)識(shí)(感知)環(huán)境、執(zhí)行(決策)任務(wù)不同的是：

　　Mobile ALOHA采用的依然是更直接的「模仿學(xué)習(xí)」——通過(guò)人類操作機(jī)器人，機(jī)器人學(xué)習(xí)模仿人類行為，構(gòu)成機(jī)器人的行為邏輯。

　　在這一項(xiàng)目發(fā)布的視頻中，我們看到的人類操作機(jī)械臂運(yùn)動(dòng)的場(chǎng)景，其實(shí)就是模仿學(xué)習(xí)中人類示教的過(guò)程，也是機(jī)器人模仿學(xué)習(xí)中最為關(guān)鍵的一步。

　　正是憑借這樣一套方法論，Mobile ALOHA僅需要人類通過(guò)50次演示的訓(xùn)練，在處理日常家務(wù)時(shí)，就能夠達(dá)到80%以上的成功率。

　　02.令人撓頭的“蝦仁炒蛋”

　　在這篇論文中，作者一共對(duì)Mobile ALOHA進(jìn)行了7項(xiàng)任務(wù)的訓(xùn)練和研究，分別是擦紅酒、炒蝦仁、沖洗平底鍋、收納平底鍋、呼叫電梯、推椅子、擊掌。

　　在最終呈現(xiàn)出來(lái)的演示視頻中，最讓人驚訝的是，Mobile ALOHA竟然能很好地做出讓不少猛男少女都撓頭的滑蛋蝦仁。

　　然而，要讓機(jī)器人做出這樣一道菜，其實(shí)并沒(méi)有想象中的那般容易。

　　除了需要人類示教，讓機(jī)器人模仿學(xué)習(xí)外，作者還為Mobile ALOHA導(dǎo)入了一個(gè)靜態(tài)數(shù)據(jù)集，這個(gè)數(shù)據(jù)集包含了825個(gè)任務(wù)的雙臂執(zhí)行數(shù)據(jù)。

　　不過(guò)，這825個(gè)任務(wù)的雙臂執(zhí)行數(shù)據(jù)與Mobile ALOHA要執(zhí)行的任務(wù)不同，甚至產(chǎn)生這些數(shù)據(jù)的機(jī)器人原型與Mobile ALOHA雙臂安裝位置也不同。

　　科研是一條漫長(zhǎng)的道路，所有成熟的技術(shù)最終能夠順利應(yīng)用，都是眾多科學(xué)家不斷積累，一代代不斷基于前人研究成果推陳出新的結(jié)果。

　　而基于已有數(shù)據(jù)集，再加上模仿學(xué)習(xí)，能否讓Mobile ALOHA掌握更好的操作能力，也是這篇論文嘗試解釋的一個(gè)重要問(wèn)題。

　　在實(shí)際實(shí)驗(yàn)過(guò)程中，通過(guò)為原有數(shù)據(jù)集加入模仿學(xué)習(xí)的方法，在執(zhí)行「推椅子」、「擦紅酒」任務(wù)時(shí)，明顯有很好的能力提升，有更強(qiáng)的泛化能力。

　　具體而言，在將一排5把椅子收到桌子下時(shí)，當(dāng)推到第4、第5把椅子時(shí)，這一方法的成功率分別提高了15%和89%。

　　從實(shí)驗(yàn)中整體任務(wù)執(zhí)行成功率來(lái)看，在進(jìn)行50次示教(擊掌20次)后，擦紅酒、呼叫電梯、擊掌、收納平底鍋、沖洗平底鍋、推椅子6項(xiàng)任務(wù)的成功率分別達(dá)到了95%、95%、85%、85%、80%、80%。

　　然而，最驚艷的制作滑蛋蝦仁這項(xiàng)長(zhǎng)達(dá)75秒的的艱巨烹飪?nèi)蝿?wù)，實(shí)際上，Mobile ALOHA的任務(wù)執(zhí)行成功率只有40%。

　　也就是說(shuō)，我們看到的Mobile ALOHA*地做好一道滑蛋蝦仁，同樣是一個(gè)概率沒(méi)有那么大的事件。

　　看來(lái)，“蝦仁炒蛋”，不僅讓人類撓頭，如今也還是讓機(jī)器人撓頭。

　　03.斯坦福為機(jī)器人提了個(gè)醒

　　“蝦仁炒蛋”做不好沒(méi)關(guān)系，畢竟，這也不是斯坦福這一個(gè)研究團(tuán)隊(duì)，以一己之力能夠*解決的問(wèn)題。

　　實(shí)際上，他們想要解決的也并不是這個(gè)問(wèn)題。

　　他們想要解決的是，能否將現(xiàn)在雙臂機(jī)器人運(yùn)動(dòng)控制的研究方法再往前推一步——驗(yàn)證靜態(tài)數(shù)據(jù)集與不同模仿學(xué)習(xí)算法聯(lián)合訓(xùn)練的可行性。

　　從這一點(diǎn)上來(lái)看，他們做到了。

　　在一系列實(shí)驗(yàn)中，他們驗(yàn)證了ACT、Diffusion Policy(擴(kuò)散策略)、VINN三類重要的模仿學(xué)習(xí)算法在Mobile ALOHA上任務(wù)執(zhí)行的成功率都得到了明顯的提高。

　　更重要的是，他們打造的這套平臺(tái)，成本只有3.2萬(wàn)美元(約合22.7萬(wàn)元)。

　　在此之前，類似Mobile ALOHA的雙臂機(jī)器人平臺(tái)PR2、TIAGo，價(jià)格普遍在20萬(wàn)美元(約合142萬(wàn)元)以上。

　　也就是說(shuō)，斯坦福這一研究團(tuán)隊(duì)，為機(jī)器人雙臂運(yùn)動(dòng)控制的研究驗(yàn)證了一個(gè)思路、提供了一套更便宜的研究平臺(tái)。

　　雖然沒(méi)有大家想象的直接搞出一個(gè)廚師機(jī)器人，甚至保姆機(jī)器人來(lái)得炫酷，但這樣一套開(kāi)源平臺(tái)和算法展現(xiàn)出來(lái)的效果，尤其是在大模型被神話了的現(xiàn)在，讓大家再次意識(shí)到了模仿學(xué)習(xí)對(duì)于機(jī)器人的重要性。

　　同時(shí)也為接下來(lái)機(jī)器人，乃至人形機(jī)器人的上肢運(yùn)動(dòng)控制研究，提供了一個(gè)新的思路。

　　而且，這又是一個(gè)由華人科學(xué)家團(tuán)隊(duì)開(kāi)源的項(xiàng)目。