在過去幾年中，加州大學伯克利分校的Pieter Abbeel等研究人員一直在研發(fā)教導機器人掌握新技能的方法，日前，Abbeel和來自加州大學伯克利分校、OpenAI的數位同事正式掛牌創(chuàng)辦了一家名為Embodied Intelligence的新創(chuàng)業(yè)公司，并且成功完成了700萬美元的種子輪融資。
Embodied Intelligence希望解決機器“服從”的問題，讓它具有主動學習的能力。這是目前機器人的一個決定性問題：只要你每一次都確切地告訴它們這是什么，機器人可以完成任何你交待的任務。對于機器人在工廠里重復完成同樣的任務，這不是一個問題。但當你加入新的或混合其他不同的東西時，這將成為一個非常令人頭痛的問題。他們希望“工業(yè)機器人手臂能像人類一樣感知世界和做出行動，而不僅僅只是遵循預編程的軌跡”。
Embodied的目標是使現有機器人硬件能夠處理當前解決方案無法實現的更廣泛任務，例如復雜形狀的箱體拾取、配套、裝配、不規(guī)則堆棧與卸垛，以及操作可變形物體，比如電線、織物、亞麻布、流體袋和食物等。為了使現有機器人掌握這些技能，一切將建立在深度強化學習，深度模仿學習上。
雖然人類可以毫不費力地完成這樣的任務，但當前的機器人尚無法做到，這就是為什么人類和機器手臂之間會存在如此巨大差距的原因。Embodied希望通過可以快速靈活學習新技能的機器人來彌合這種差距。
基于RLL最近的一些研究，Embodied正在采取一種基于虛擬現實的新方法。因為以這種方式收集的數據質量非常高，能夠教導機器人系統(tǒng)學習一項技能而不是一系列的行動。這意味著它擁有可適應性，可處理未經專門訓練的任務。這對研究環(huán)境之外的操作至關重要。
值得一提的是，這個領域中的企業(yè)不僅只有Embodied。其他包括Kindred，Kinema Systems和RightHand Robotics等等。這些企業(yè)都在研發(fā)機器人操縱解決方案，我們需要一定的時間才能比較他們的解決方案孰優(yōu)孰劣，而Abbeel表示他們將在未來幾個月內發(fā)布更多的演示視頻。
（免責聲明：本網站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網站出現的信息，均僅供參考。本網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。本網站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。
任何單位或個人認為本網站中的網頁或鏈接內容可能涉嫌侵犯其知識產權或存在不實內容時，應及時向本網站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網站在收到上述法律文件后，將會依法盡快聯系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。 ）
