新年伊始，伯克利就传出新进展，他们教机器人做家务的能力更上一层楼了。在最新的论文中，伯克利介绍了他们是如何让机器学会读懂人类的潜台词或未尽之意，而不是傻乎乎地按照字面意思或者奖励系统来机械地运动。
举个例子，当餐桌机器人上菜时，它会知道躲避酒柜，或者在停电等紧急情况下停止端盘子，而不是为了尽可能多地得到奖赏（端一个盘子系统会提供一个奖励），而马不停蹄地送盘子。甚至还可能直接把盘子打碎，这样就可以获得更多的“盘子”（奖励）了……
反正我看到这个新闻时，第一反应是机器人可真笨啊，这么简单的任务我两岁的小侄子都会做。第二反应是伯克利教机器人做家务的执念也未免太深了吧！
之前还开发过引擎教机器人铺床单、叠衣服、收拾桌面，总之，非要让机器人掺和家务这件事不可。想要挑战家务技能的除了伯克利，还有Deepmind。去年2月，Deepmind就提出了一种新的学习范式“计划辅助控制SAC-X”，来帮助机器人学会整理桌子和堆叠衣物。
前不久佐治亚理工学院的研究人员，也发表了新的强化学习算法，可以教会机器人穿衣服。为什么这么多AI巨头不约而同地走上了家务培训的道路？未来我们能拥有《底特律》中卡拉小姐姐那样温柔能干的家政机器人吗？本文就来尝试解释一下这些疑惑。
家务三十六计：家政机器人都掌握了哪些技能？
首先我们来看看，在这么多人类学霸、AI巨头的助攻下，机器人都学会了哪些家务小技能。先来说说“家政狂魔”伯克利。
早在去年，我们就解读过伯克利的通用预测模型，它可以帮助机器人自主学习和掌握很多通用基础技能，在此基础上学习和预测主人的意图和任务的共性，从而可以举一反三执行广泛的任务类别，成长为一个优秀的“家务多面手”。比如折叠短裤毛巾、挪移苹果、整理桌面等等。
伯克利还推出了一个深度学习模型Dex-NET，基于角点检测和抓取策略，让机器人完成铺床单这一艰巨任务。最值得一提的是新的研究成果“偏好优化模型”。机器人不仅能完成通用任务，而且还能够推断出更优解，适应带有隐藏条件的复杂现实环境。
比如在常规的“actor-critic”增强学习反馈机制中，主人要求机器人导航前往紫色的门，那么机器人就会选择最短路径（传统意义上的最优解），而忽略这么做会打碎路上的花瓶。
因为机器人无法获知，主人是否关心花瓶会不会被打碎。但如果机器人能自己模拟和演练过去发生过的行为轨迹，比如主人一直都绕着花瓶走，说明她是重视花瓶的完整状态的，由此推断出绕过花瓶是最有可能获得奖励、应该积极追求的目标。
机器人拥有洞察隐藏条件的能力，意味着它们可以从一种状态中学习人类的偏好，系统无需事无巨细地列出所有现实环境中的因果联系和条件，奖励函数也不再是线性机械的，机器人可以自主模拟和学习过去的经验，判断和应对未知的动态环境。
对于做家务这个任务来说，判断主人的喜好来进行作业，可以说是必杀技了。与伯克利相比，Deepmind其实对医疗这种高精尖任务更感兴趣。但这并不妨碍它在家政领域发光发热。
Deepmind的“计划辅助控制SAC-X”模型，就旨在帮助机器人学会探索和掌握家务方面的基本技能。就像婴儿在爬行和走路之前必须发展出协调和平衡能力一样，SAC-X也有助于帮助机器掌握几种核心的视觉-运动技能。