人工智能研究實驗室DeepMind最近提出了一個新的基準，用于提高機器人的堆疊能力。

Deep Mind的研究團隊通過RGB堆疊技術對機器人進行強化學習訓練，評估多個研究對象的行為和動作，提升機器人能力這項技術通過在籃子里放置紅，藍，綠不同的物體來訓練機器人手臂，因此被稱為RGB堆疊

首先，推出機器人堆疊和開源結果的新基準。2017年，DeepMind曾制定了一項道德憲章，其中包括禁止將其技術用于軍事武器或監視，以及將其技術用于造福社會。

對于大多數人來說，將一個物體堆疊在另一個物體上是一項簡單的任務，但即使是最復雜的機器人也很難同時處理多個堆疊任務堆疊動作需要一系列不同的運動，感知和分析技能，包括與不同類型物體互動的能力將這一簡單的人類任務升級為機器人技術是一項極其復雜的任務，面臨著巨大的挑戰

DeepMind的機器人學習研究團隊認為，機器人堆疊的最新技術將需要一個新的基準在機器人學習會議上發表的一篇論文中介紹了RGB堆疊這項技術的任務是讓機器人學會如何抓住不同的物體，并在它們之間保持平衡

雖然其他論文中也有堆疊任務的基準，但研究者認為其研究的獨創性在于研究對象選擇的多樣性和驗證其研究發現的評價本文的研究結果表明，模擬數據和真實世界數據的結合可以用來學習多目標操作，為機器人學習解決新目標的泛化問題提供了有力的基礎

為了支持其他研究人員，研究團隊開放了新版本的仿真環境，并發布了他們構建真實機器人RGB堆疊環境的設計，以及用于3D打印的RGB對象模型信息未來，一系列用于機器人研究的圖書館資源和工具將被更廣泛地開放

二，兩大測試三大階段，挖掘機器人的學習潛力。

RGB堆疊的目標是通過強化學習訓練機械手堆疊不同形狀的物體強化學習是一種機器學習技術，它使機器人能夠利用自己的動作和經驗反饋，通過試錯進行學習

RGB堆疊將一個抓手連接到籃子上方的機器人手臂上，在抓手中放置三個不同顏色的物體，紅色，綠色和藍色機器人必須在20秒內將紅色物體堆疊在藍色物體上，而綠色物體則充當障礙物來分散它的注意力

DeepMind的研究人員表示，這種學習過程可以確保機器人通過訓練多個對象集獲得通用技能RGB堆疊有意改變機器人抓取和堆疊的特性，這些特性定義了機器人如何抓取和堆疊每個對象，從而使機器人不斷超越更簡單的取放行為策略

DeepMind課題組的RGB棧基準測試包括兩個難度不同的測試在技能掌握測試中，目標是訓練一個能夠熟練堆疊一組預定義的五個三元組的代理在技能概括測試中，研究人員使用相同的三元組進行評估，但他們在超過一百萬個可能的三元組對象上訓練代理研究對象為了測試概括，這些訓練對象排除了為技能掌握測試選擇的三重對象其次，在這兩級測試中，機器學習管道被分解為三個階段

研究人員聲稱，通過RGB堆疊方法訓練的機器人產生了令人驚訝的堆疊策略，并且精通堆疊物體子集可是，研究人員認為它只觸及了機器人學習的表面內容，而泛化的挑戰仍未解決

第三，發布新的基準，推動制造業再次繁榮。

伴隨著研究人員不斷努力解決機器人技術推廣的挑戰，我們希望這個新的基準，連同我們公布的環境，設計和工具，將有助于產生新的想法和方法，使操作更容易，并使機器人更有能力研究人員補充道

伴隨著機器人越來越擅長堆疊和抓取物體，一些專家認為，這種自動化技術可能會促進美國制造業的新繁榮在谷歌云和哈里斯民意調查最近進行的一項研究中，三分之二的制造商表示，在日常運營中使用人工智能技術的頻率正在增加，74%的制造商認為他們能夠應對快速變化的工作環境

其次，制造企業預計未來五年生產效率將伴隨著數字化轉型的發展而逐步提高麥肯錫和世界經濟論壇的研究表明，到2025年，實施傳統工業實踐自動化工業4.0的制造商將有潛力創造3.7萬億美元的生產價值

結論:DeepMind新標桿推動機器人產業進程。

在機器人學習技術的研究過程中，數據獲取困難，使得其發展面臨困難作為通用人工智能領域的龍頭企業，DeepMind為解決機器人學習的泛化問題提出了新的標桿，并在研究過程中積極開放相關資源，共享研究成果，有望推動整個行業取得新的進展

但很明顯，機器人學習的泛化還需要很長時間的探索，也是未來人工智能企業面臨的一大挑戰。。

鄭重聲明：此文內容為本網站轉載企業宣傳資訊，目的在于傳播更多信息，與本站立場無關。僅供讀者參考，并請自行核實相關內容。