0
| 本文作者： 岑大師 | 2017-10-12 06:55 |
雷鋒網(wǎng)按：9月26日，在溫哥華舉行的IROS大會上，計算機視覺專家、斯坦福AI Lab&Vision Lab主任李飛飛做了“A Quest for Visual Intelligence”的演講，這也是李飛飛首次參加IROS這一機器人為主題的大會。值得注意的是，近日雷鋒網(wǎng)在Arxiv發(fā)現(xiàn)了一篇講述新型機器人學習框架的論文《Neural Task Programming: Learning to Generalize Across Hierarchical Tasks》，該論文的主要作者來自于斯坦福，其指導教師正是李飛飛及其丈夫Silvio Savarese。這也標志著人工智能和機器人兩個社區(qū)在視覺與感知方面的重合度越來越大，之后的合作也會越來越緊密。
下面雷鋒網(wǎng)和大家來一起看這篇論文。
摘要： 在本論文中，我們提出了一種名為神經(jīng)任務(wù)編程（NTP）的新型機器人學習框架，該方法可以通過較少的示范和神經(jīng)程序引導進行學習。NTP可將輸入的規(guī)范性任務(wù)（例如任務(wù)的視頻演示）遞歸地將其分解成更精細的子任務(wù)規(guī)范， 這些規(guī)范被傳遞到分級神經(jīng)程序，通過可調(diào)用的底層子程序是與環(huán)境進行交互。同時，我們在三個機器人操縱任務(wù)中驗證了我們的方法，在試驗中，NTP展示了在顯示分層結(jié)構(gòu)和組合結(jié)構(gòu)的順序任務(wù)的強泛化能力化。 實驗結(jié)果表明，NTP在學習長度不定、可變拓撲和不斷變化的未知任務(wù)的學習和拓展有較好的效果。
自越來越強調(diào)“人機協(xié)作”的今天，機器人通常在某些特定環(huán)境中與人進行長時間的交互，如物體分類、裝配、和清理等。但是以往的機器人通常需要在固定的場景下才能與人交互，如何讓機器人能適應(yīng)復雜的操作任務(wù)、新的任務(wù)目標和周圍環(huán)境，則是機器人技術(shù)中的一個重大挑戰(zhàn)。
設(shè)想一個倉庫中的物體分類任務(wù)，這通常包括分類、檢索、打包等具體任務(wù)，每個任務(wù)又可以分解為若干個動作，如抓取、移動、放下等，這些動作構(gòu)成了如抓取和放置等子任務(wù)，如果在考慮到不同的對象、排序、子任務(wù)的排列組合，當中的變化將會非常復雜，例如，將四類物品分類放到四個容器中，這當中的組合會有256中之多。本文中，我們希望解決復雜任務(wù)規(guī)劃的兩個主要挑戰(zhàn)，即a）從新的概念化到新的任務(wù)目標的學習策略，以及b）與長期環(huán)境交互的基本原生代碼模塊的組合。
NTP的關(guān)鍵基本思想在是跨任務(wù)學習和與共享域中的可重用表示。NTP對一個描述任務(wù)過程和最終目標時間序列的任務(wù)規(guī)范進行解釋，并將其分層策略實例轉(zhuǎn)化為一個神經(jīng)程序。NTP從輸入規(guī)范中解碼生成任務(wù)目標，并將其分解為子任務(wù)并與周邊環(huán)境進行交互和反饋直至搭成目標，每個程序調(diào)用環(huán)境觀察和任務(wù)規(guī)范（輸入），并輸出下一個子程序和相應(yīng)的子任務(wù)規(guī)范。
如上圖所示，在給定輸入、任務(wù)規(guī)范和當前環(huán)境的情況下，NTP模型預測需要運行什么樣的子程序，并作為下一級子任務(wù)的輸入，并判斷當前程序是否結(jié)束，否則將繼續(xù)循環(huán)執(zhí)行任務(wù) 。
該研究團隊通過對模擬和實際機器人實驗中的單臂操作任務(wù)模擬對NTP進行評估。任務(wù)包括：堆疊方塊，目標分類和清理桌子。
該研究的兩個目標：I. 在同一個域中學習多項任務(wù)；以及 II. 通過單一例子形成在測試中的泛化能力。
如圖所示，機器手可從模擬的Demo環(huán)境（包括圖像、視頻、VR輸入）中進行學習并完成積木的堆疊；
NTP編程：通過分級的任務(wù)條件輸出策略歸納程序，調(diào)用Robot API進行操作。
上圖展示了在堆疊方塊任務(wù)中 NTP 的樣本執(zhí)行軌跡圖。任務(wù)是按指定要求堆疊字母塊，頂層程序作為輸入?yún)⑴c整個演示，預測下一個運行的子程序，并為特定輸入作為指定任務(wù)的一部分，底層 API 調(diào)用機器人作出相應(yīng)的動作（如Move_to(Blue)、Grasp(Blue)等）。當程序結(jié)束符（EOP）為 True，當前程序停止并返回其調(diào)用程序。
如果環(huán)境發(fā)生變化（如人為破壞已完成的任務(wù)），機器人會探測到環(huán)境的變化并重復任務(wù)。
任務(wù)結(jié)構(gòu)的變化包括：改變完成條件（任務(wù)語義），可變子任務(wù)排列（任務(wù)拓撲）和更大的任務(wù)量（任務(wù)的長度）。隨著任務(wù)數(shù)量的增加，NTP可以為新的任務(wù)師范及目標生成更好的結(jié)果。
完整演示視頻見：
類似的研究還有雷鋒網(wǎng)之前介紹過的BAIR《One-Shot Visual Imitation Learning via Meta-Learning》的論文，都是通過一次性學習形成的泛化能力讓機器人快速掌握新技能。相比之下，BAIR的論文更偏于算法的迭代改進，而Visual Lab的研究則從任務(wù)結(jié)構(gòu)出發(fā)提出了一種新的學習框架。雷鋒網(wǎng)認為，雖然李飛飛團隊之前的研究更多是在計算機視覺領(lǐng)域，但正是如此，才有可能從機器人領(lǐng)域研究者習慣的視角外去思考問題，這篇論文提出的新思路也值得機器人研究者注意。
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
