人工智能研究实验室DeepMind最近提出了一个新的基准，用于提高机器人的堆叠能力。

Deep Mind的研究团队通过RGB堆叠技术对机器人进行强化学习训练，评估多个研究对象的行为和动作，提升机器人能力这项技术通过在篮子里放置红，蓝，绿不同的物体来训练机器人手臂，因此被称为RGB堆叠

首先，推出机器人堆叠和开源结果的新基准。2017年，DeepMind曾制定了一项道德宪章，其中包括禁止将其技术用于军事武器或监视，以及将其技术用于造福社会。

对于大多数人来说，将一个物体堆叠在另一个物体上是一项简单的任务，但即使是最复杂的机器人也很难同时处理多个堆叠任务堆叠动作需要一系列不同的运动，感知和分析技能，包括与不同类型物体互动的能力将这一简单的人类任务升级为机器人技术是一项极其复杂的任务，面临着巨大的挑战

DeepMind的机器人学习研究团队认为，机器人堆叠的最新技术将需要一个新的基准在机器人学习会议上发表的一篇论文中介绍了RGB堆叠这项技术的任务是让机器人学会如何抓住不同的物体，并在它们之间保持平衡

虽然其他论文中也有堆叠任务的基准，但研究者认为其研究的独创性在于研究对象选择的多样性和验证其研究发现的评价本文的研究结果表明，模拟数据和真实世界数据的结合可以用来学习多目标操作，为机器人学习解决新目标的泛化问题提供了有力的基础

为了支持其他研究人员，研究团队开放了新版本的仿真环境，并发布了他们构建真实机器人RGB堆叠环境的设计，以及用于3D打印的RGB对象模型信息未来，一系列用于机器人研究的图书馆资源和工具将被更广泛地开放

二，两大测试三大阶段，挖掘机器人的学习潜力。

RGB堆叠的目标是通过强化学习训练机械手堆叠不同形状的物体强化学习是一种机器学习技术，它使机器人能够利用自己的动作和经验反馈，通过试错进行学习

RGB堆叠将一个抓手连接到篮子上方的机器人手臂上，在抓手中放置三个不同颜色的物体，红色，绿色和蓝色机器人必须在20秒内将红色物体堆叠在蓝色物体上，而绿色物体则充当障碍物来分散它的注意力

DeepMind的研究人员表示，这种学习过程可以确保机器人通过训练多个对象集获得通用技能RGB堆叠有意改变机器人抓取和堆叠的特性，这些特性定义了机器人如何抓取和堆叠每个对象，从而使机器人不断超越更简单的取放行为策略

DeepMind课题组的RGB栈基准测试包括两个难度不同的测试在技能掌握测试中，目标是训练一个能够熟练堆叠一组预定义的五个三元组的代理在技能概括测试中，研究人员使用相同的三元组进行评估，但他们在超过一百万个可能的三元组对象上训练代理研究对象为了测试概括，这些训练对象排除了为技能掌握测试选择的三重对象其次，在这两级测试中，机器学习管道被分解为三个阶段

研究人员声称，通过RGB堆叠方法训练的机器人产生了令人惊讶的堆叠策略，并且精通堆叠物体子集可是，研究人员认为它只触及了机器人学习的表面内容，而泛化的挑战仍未解决

第三，发布新的基准，推动制造业再次繁荣。

伴随着研究人员不断努力解决机器人技术推广的挑战，我们希望这个新的基准，连同我们公布的环境，设计和工具，将有助于产生新的想法和方法，使操作更容易，并使机器人更有能力研究人员补充道

伴随着机器人越来越擅长堆叠和抓取物体，一些专家认为，这种自动化技术可能会促进美国制造业的新繁荣在谷歌云和哈里斯民意调查最近进行的一项研究中，三分之二的制造商表示，在日常运营中使用人工智能技术的频率正在增加，74%的制造商认为他们能够应对快速变化的工作环境

其次，制造企业预计未来五年生产效率将伴随着数字化转型的发展而逐步提高麦肯锡和世界经济论坛的研究表明，到2025年，实施传统工业实践自动化工业4.0的制造商将有潜力创造3.7万亿美元的生产价值

结论:DeepMind新标杆推动机器人产业进程。

在机器人学习技术的研究过程中，数据获取困难，使得其发展面临困难作为通用人工智能领域的龙头企业，DeepMind为解决机器人学习的泛化问题提出了新的标杆，并在研究过程中积极开放相关资源，共享研究成果，有望推动整个行业取得新的进展

但很明显，机器人学习的泛化还需要很长时间的探索，也是未来人工智能企业面临的一大挑战。。

郑重声明：此文内容为本网站转载企业宣传资讯，目的在于传播更多信息，与本站立场无关。仅供读者参考，并请自行核实相关内容。