機器人素質(zhì)教育，是時候普及一下了

每次看到人類訓(xùn)練機器人，我都會很困惑一件事，那就是在如此殘酷環(huán)境中培養(yǎng)出來的技能，到底能在現(xiàn)實世界中用上幾回？

像是狠狠從背后踹它一腳，讓它倒地后再爬起來；讓兩個機器人斗毆在地上瘋狂摩擦；又或者是在十幾米的高臺不停地跳高高……有事嗎？？？

這么對待重金打造的機器人，先不說畫面“不忍直視”，修理損耗難道不要錢的嗎？

后來我明白了，這跟目前的技術(shù)路徑有關(guān)。深度學(xué)習(xí)就是要進行大量的實踐和訓(xùn)練，才能不斷優(yōu)化算法，直至機器人能夠應(yīng)對真實世界中各種各樣的狀況。

理論上講，只要時間足夠長、預(yù)算無上限，猴子也能用電腦寫出文學(xué)著作，更何況是算力逆天的機器。

但，這跟我們普通人又有什么關(guān)系呢？我們能否在有生之年用上（而且買得起）可靠解決問題的機器小助手呢？一萬年太久，我們只爭朝夕好嗎？

最近，伯克利和谷歌大腦最新開發(fā)的強化學(xué)習(xí)算法——soft actor-critic（SAC），據(jù)說就現(xiàn)實世界的機器人學(xué)習(xí)，或許，有望改變一下訓(xùn)練機器人的古早思維。

今天我們就來聊聊，SAC會如何改變機器人的“成材之路”？

為什么想要一個rio的機器人，這么難？

在介紹SAC這個新算法之前，有必要先解釋一下，是不是一定要有更好的機器人算法呢？或者說，這個算法到底能夠改變什么？

這要從機器人在現(xiàn)實世界中遇到的挑戰(zhàn)來解答。

首先，是目前的訓(xùn)練方式，決定了機器掌握新技能的速度還遠遠不夠。

傳統(tǒng)的機器學(xué)習(xí)算法，每次執(zhí)行新任務(wù)時，都需要對原型設(shè)計進行參數(shù)調(diào)整，有的還需要重新收集數(shù)據(jù)進行訓(xùn)練，這就使得機器新技能所需的總時間迅速增加；

其次，現(xiàn)實場景中的無數(shù)意外，都有可能讓機器出現(xiàn)故障。

真正在使用機器時，無論出現(xiàn)什么問題，比如斷電或者網(wǎng)絡(luò)延遲，機器都會以“死機”來應(yīng)對危機。如果每次都要以“重啟”來恢復(fù)作業(yè)，那應(yīng)用機器人的價值何在？

以上都是效率問題，傳統(tǒng)訓(xùn)練方式帶來的成本困境，更是令研究人員愁到禿頭。

無論是訓(xùn)練人員人為制造bug的暴力操作，還是執(zhí)行器在種種復(fù)雜環(huán)境下的高頻抖動，都會給硬件帶來極大的磨損。這是機器人嗎？這是鈔票粉碎機??！

當然，人類也不是沒有想過辦法。比如讓機器人打游戲啦，設(shè)計仿真環(huán)境啦，這些努力都大大減少了對現(xiàn)實訓(xùn)練的依賴，但歸根結(jié)底，都無法替代現(xiàn)實環(huán)境的多樣性和隨機性。最重要的，還是得打造一套專為現(xiàn)實世界機器人“量身定制”的算法。

真實世界的機器人，到底需要怎樣的算法？

那么，這樣一套算法應(yīng)該具備哪些屬性呢？

至少需要有這樣幾個關(guān)鍵要素：

1.良好樣本復(fù)雜性。提供給算法的訓(xùn)練樣本數(shù)量越多，機器獲得數(shù)據(jù)標簽的時間成本也就越低，返回的誤差也更小，在強化學(xué)習(xí)中的表現(xiàn)自然也就越出色；

2.沒有敏感的超參數(shù)。為了提高機器學(xué)習(xí)的性能和效果，往往需要對超參數(shù)進行優(yōu)化，但在現(xiàn)實環(huán)境中，自然是參數(shù)調(diào)整越少越好。算法就需要最大限度地減少調(diào)整超參數(shù)的需求；

3.異步采樣。真實世界中，難免會出現(xiàn)數(shù)據(jù)流終端、推理延遲等問題，要讓機器在“重啟”階段也能夠保持一定的持續(xù)性和穩(wěn)定性，就必須將數(shù)據(jù)的收集和訓(xùn)練在確保在最小化的多個獨立線程中進行。

4.動作平滑。為了防止大幅度動作或震動損壞硬件，因此，時間上具有關(guān)聯(lián)和連貫性的探索就變得尤為重要了。

簡單總結(jié)一下，如果我們相信未來真實世界中的機器人不可或缺，那么，要求它用無限長的時間、無限多的投入、無數(shù)次的碰壁去掌握這樣那樣的本領(lǐng)，顯然不太明智。

如何讓它自己進行有取舍、有現(xiàn)實意義的訓(xùn)練呢？SAC應(yīng)聲出現(xiàn)。

SAC成功的秘訣，就是心大

說了這么多，正主終于出現(xiàn)了。那么。究竟什么是SAC？

SAC，全稱是Soft actor-critic。從名字不難看出，SAC也是基于Actor-Critic算法的邏輯，即actor（玩家）隨機表演，critic（評委）隨機打分，互相制衡下追求更好的表現(xiàn)（reward）。

不同的是，SAC對參數(shù)的態(tài)度十分“溫柔”，它會自動權(quán)衡預(yù)期收益（最大化回報）和探索深度（最大化的不確定性），然后自動學(xué)習(xí)不是將其視為需要調(diào)整的“超參數(shù)”，從而獲得最優(yōu)策略。

這樣帶來的好處是，訓(xùn)練樣本多樣，還不需要頻繁調(diào)整參數(shù)，學(xué)習(xí)效率高了很多。即使遇到最差的實驗環(huán)境，也表現(xiàn)良好。

這就像是以前機器需要在人類親媽的“呵護”之下，點燈熬夜窮經(jīng)皓首地做奧數(shù)題，以期成為“數(shù)學(xué)神童”。如今學(xué)會了勞逸結(jié)合奮發(fā)圖強，拿下高考高分就一本滿足了。顯然，后者才是大多數(shù)普通機器的榜樣和人類家長應(yīng)該有的期待嘛。

具體表現(xiàn)如何，有請來自“伯克利小學(xué)”的三位機器人同學(xué)現(xiàn)身說法：

第一個向我們走來的是Minitaur，一個帶有八個驅(qū)動執(zhí)行器的小型四足機器人。在前進時，往往借助控制器追蹤四肢的擺動部位，觀察好各種角度以平衡腿上的力度。如果沒有有效的訓(xùn)練策略，很容易失去平衡而摔倒，摔多了鋼筋鐵骨也會壞的啊。

不過，在掌握了新的學(xué)習(xí)方法之后，由于訓(xùn)練時將數(shù)據(jù)的不確定性最大化，Minitaur不需要任何額外的學(xué)習(xí)，就可以駕馭絕大對數(shù)平衡性的干擾。

第二位是非常靈活的“三指手”同學(xué)，它的任務(wù)是用手旋轉(zhuǎn)“閥門”，使彩色掛鉤朝右。但閥門上安裝了一個小型電機，受力會自動復(fù)位。因此，每轉(zhuǎn)一次，閥門的初始位置都會被隨機重置，使得機器必須重新感知當前的閥門方向。這個任務(wù)需要感知預(yù)測，并精準地控制9個伺服電機關(guān)鍵來完成，非常具有挑戰(zhàn)性，但我們的“三指手”依然順利完成了任務(wù)。

最后一位機器人同學(xué)雖然在玩樂高，但并沒有從中得到多少樂趣。因為訓(xùn)練者要求它在堆疊積木的時候準確地對準螺柱以減少摩擦。

除了需要確定關(guān)節(jié)的位置和速度之外，還需要保證末端的力度，并且將復(fù)雜命令同時傳送給7個關(guān)節(jié)。這和要求人類小孩“百步穿楊”有差別嗎？

不過，掌握了SAC大法的機器并沒有讓人失望，只用3個小時就學(xué)會了如何搞定這個任務(wù)。而以往使用的PPO策略用了7.4小時才搞定。SAC是不是很棒棒？

在論文中，研究人員給SAC用了一個高調(diào)的定語：“state-of-the-art”（最先進的），可以說是實至名歸了。

當然了，上述還都只是些比較概念化的實驗，真正要將這種能力擴展到更具挑戰(zhàn)性的現(xiàn)實任務(wù)中，還需要大量的優(yōu)化迭代、開發(fā)編碼調(diào)參等工作，不過可以預(yù)測的是，由于SAC的出現(xiàn)，機器人正在無限近地接近概念到實用的臨界點。

有了這個最佳引路人，機器人終于可以少受點“虐待”，真正滲透進生活的細節(jié)了。

生成海報

免責(zé)聲明：此文內(nèi)容為第三方自媒體作者發(fā)布的觀察或評論性文章，所有文字和圖片版權(quán)歸作者所有，且僅代表作者個人觀點，與極客網(wǎng)無關(guān)。文章僅供讀者參考，并請自行核實相關(guān)內(nèi)容。投訴郵箱：editor@fromgeek.com。

免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關(guān)資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負任何法律責(zé)任。任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。