谷歌母公司聘了100多台机器人，扫地热菜擦桌子，还能自主学习

智东西（公众号：zhidxcom）

编译 | 杨畅

编辑 | 李水青

智东西11月27日报道，近期，谷歌母公司Alphabet的机器人团队“Everyday Robots”将其研发的100多台机器人落地，部署在其山景城的园区内，测试其自主执行擦桌子、推凳子、开门等日常任务能力，这一成果也首度公布于众。

与市面上常见的机器人不同，这些机器人可以在非结构化环境中完成多项任务，并且能够自主学习。比如，他们能通过不到一天学习时间，以90%的成功率完成开门动作。

一、100多个机器人，进出谷歌办公室自主干活

Everyday Robots的首席机器人官Hans Peter Brøndmo说：“我们现在运营着一支由100多个机器人原型机组成的机器人队伍，它们在我们的办公室周围自主执行一系列有用的任务。”

机器人可以完成很多帮助人的日常工作，例如有人把垃圾放进了错误的垃圾桶，机器人可以帮忙将垃圾重新分类。

再比如，如果有人没有顾得上扔垃圾，机器人能帮他把桌子上的垃圾收到机器人的垃圾盘上，再扔到垃圾桶里。

除了垃圾分类，Everyday Robots的机器人还能帮忙擦桌子。

机器人不仅可以帮忙完成其清洁工作，在研究人员的演示视频中，机器人还表演了切菜和微波炉热东西。

机器人利用其抓手还能帮忙开门，像打开会议室的门，检查房间是否需要整理，或者是否缺少椅子。

Everyday Robots团队的机器人由轮子，机身及机器臂和头部的传感装置三部分组成，通过机器学习，机器人可以实现在非结构化的日常环境中，完成包括上述开门、擦桌在内的多种任务。

早在2016年，Everyday Robots团队就使用工业机器人的小型实验室配置，来让机器人学习如何抓取玩具、钥匙等小型物体，当时一个机器人需要四个月的时间才能学会简单的抓取，成功率为75%。

现在，Everyday Robots团队取得了新的进展：单个机器人学习如何执行复杂任务，例如开门任务，在不到一天的实际学习中，任务成功率可以达到90%。

二、机器人换个场景就干不了活了？No！

根据负责谷歌“moonshot stuff（登月计划）”Astro Teller的说法，Everyday Robots的目标是创造一个通用的学习型机器人。

目前市面上常见的机器人非常擅长三件事情：力量、精度和重复性工作。

Hans讲道，现在的大多数机器人是在专门设计、结构化甚至带有照明的环境中运行，这些机器人完成的任务非常具体，其程序经过精心的编码，可以在特定时间用特定方式来执行这些任务，例如在工厂中组装智能手机、将芯片放到电脑板上，或者在装配线上将汽车门提升到适当位置。

但是在理解新的空间和环境、完成多项事情方面，现在的这些机器人表现糟糕。

Hans说，想象一下，研究人员可以通过编程，让机器人拿起一杯咖啡、预测是否有灯光或者打开一扇门，但换一个其他场景，机器人就什么也不会了。要让机器人在人类生活和工作等非结构化和不可预测空间中发挥作用，机器人需要学习。

Everyday Robots团队认为未来的机器人是可以自主学习的，可以在事物不断发生变化的日常环境中帮助人类，比如工作场所、医院、社区、家中等，并且能了解如何在已知和未知的环境中帮助人类完成更多任务，了解人类偏好，并在人们最需要帮助的时候伸出援助之手。

三、软硬件结合，打造自主学习型机器人

为了弥合当前单一用途机器人和未来辅助型机器人的差距，在过去几年中，Everyday Robots团队一直在构建一个专门为机器人学习而设计的集成硬件和软件的系统。该系统任务是将机器人的学习过程从虚拟世界转移到现实世界。

机器人的硬件主要有三个部分：轮子、手臂和传感器模块。

Everyday Robots团队的机器人采用的是轮子而不是机械腿，轮子可以让机器人去到几乎任何地方。

机器人的手臂系统可以用来完成多项任务，例如拾取物体、打开抽屉等，并且还是模块化的，可以根据任务需要添加和移除工具，像用于抓取的夹子，用于擦拭的刮刀，用于除尘的刷子等。

为了了解周围世界，机器人还配备了一套集成摄像头、激光雷达、IMU和保险杠传感器的传感装置，可实时收集视觉和空间数据，并且还能处理颜色、深度、飞行时间和其他信息，便于机器人在探索周围环境时创建详细的环境地图。

硬件允许机器人在现实空间中感知和移动，而软件使机器人能够适应现实生活的不可预测性。

软件帮助机器人将其硬件系统收集到的数据转化为对环境的理解。通过监督学习，机器人可以分辨出那边的东西是一张桌子或是一个罐子，它看到的越多，其感知系统在分割和分类方面的表现就越好，使机器人能够区分越来越多的物体。

在了解周围环境后，机器人的软件系统通过模仿学习和强化学习来帮助机器人完成新的任务。

为了加速机器人学习进程，Everyday Robots的机器人操作员团队通过演示、互动和实时反馈，给机器人提供指导。

此外，Everyday Robots还采用了云模拟器Sim来帮助机器人练习新技能。Sim可以扩展创建几乎无限数量的环境和场景，具有高度的方差和随机化，从而使机器人学习所需的时间从几个月减少到几天。

除了在虚拟环境世界中使用最新的软件和机器学习模型测试和训练机器人，Everyday Robots还在分阶段的环境中训练，以受控的方式在现实中练习任务。

Hans说：“并且我们已经证明，我们可以在算法和机器人开门学习训练的基础上，将机器人应用于一项新任务——拉开咖啡馆的椅子。这一进展给了我们希望，即我们制造通用学习型机器人的登月计划成为可能。”

现在，这些机器人已经被放到了谷歌公司的办公室周围，接下来一段时间，在山景城工作的谷歌员工可能会看到这些机器人工作。

Hans说，随着时间的推移，Everyday Robots会扩大其机器人原型机队伍要完成的任务类型和工作场地。

结语：从实验室到办公室，谷歌机器人潜力不小

2016年对于谷歌来说应该算是特殊的一年，2016年机器人AlphaGo和围棋世界冠军比赛获胜，全球轰动，而成立于2016年的Everyday Robots到如今也走到了比较成熟的阶段。

Everyday Robots研发的机器人偏向日常生活辅助任务，比如擦桌子，推椅子，但是能完成的任务并不单一，相比于送餐机器人、清洁机器人等只能完成一样任务的服务机器人来说，可以一个机器人顶好几个机器人。

同时，自主学习机器人能适应更复杂的环境，可使用执行一项任务时学到的知识，执行其他任务，拥有不小的潜力。

来源：IEEE Spectrum、Everyday Robots官网、Alphabet官网