人类沦为工具人！斯坦福机器人“吸星大法”：从演示中转移技能，400美元打破训练数据悖论

作者信息

【原文作者】 量子位
【作者简介】 追踪人工智能新趋势，关注科技行业新突破
【微 信 号】 QbitAI

文章摘要

【关 键 词】 研究成果、数据收集、通用操作接口、机器人策略、硬件设备

文章主要介绍了斯坦福大学最新的研究成果——一种名为“通用操作接口”(UMI)的数据收集和策略学习框架。该框架允许将人类演示的技能直接转移到可部署的机器人策略中，从而解决了机器人数据收集中的“先有鸡先有蛋”难题。

UMI的核心是一个名为UMI夹持器的硬件设备，它由两个300美元的Go Pro摄像头和一个惯性传感器组成。这个设备可以捕捉到人类的操作过程，并将这些过程转化为机器人的学习数据。UMI夹持器的设计充分考虑到了便携性、低成本和信息丰富性，使其成为家庭或餐厅等环境中理想的数据收集工具。

UMI的策略接口设计考虑到了观测和推理时间的延迟问题，通过延迟匹配技术确保数据的一致性和准确性。此外，UMI采用的相对位姿序列表示方法使其能够跨多个机器人平台部署，而无需重新训练或校准。

UMI的研究团队来自斯坦福大学、哥伦比亚大学和丰田研究院，由斯隆奖得主、斯坦福助理教授、哥伦比亚大学兼职副教授宋舒然领衔。团队成员还包括宋舒然的两名博士生，以及哥伦比亚大学和斯坦福大学机器人与具身智能实验室 (REAL)的其他成员。

UMI的研究成果已经得到了业界的认可，被认为是一项令人印象深刻的工作。尽管新方法在大多数任务上实现了70-90%的成功率，但仍然没有达到商业部署的标准。不过，研究团队表示，随着数据飞轮的启动，解决这些问题只是时间问题。

原文信息

【原文链接】 阅读原文
【原文字数】 1769
【阅读时长】 6分钟