在2008年制作的这段视频中，机器人扫地，擦橱柜，收拾洗碗机。最后，它甚至开了一杯啤酒，送到一个坐在沙发上的男人面前。而这段视频的诀窍就是一位工程师远程操纵机器人，决定它的一切行动。但正如Abbeel先生解释的那样，视频显示机器人的硬件已经足够灵活，可以模仿人类的复杂行为。但若想在没有工程师的帮助下自行活动，那么它还需要可以指导硬件的相关软件。
Abbeel说：“这主要是一个计算机科学的问题，对人工智能而言，我们拥有完全胜任这项工作的硬件。”比利时人Abbeel先生在过去的几年中一直从事人工智能方面的工作，起初他是伯克利大学的教授，而后加入由特斯拉首席执行官埃隆马·马斯克（Elon Musk）和其他硅谷大亨所创立的OpenAI研究室。现在，他和三名来自伯克利大学和OpenAI的研究人员正在创办自己的公司，意图为世界的工厂，仓库甚至家庭带来更高水平的自动化机器人。
其创业公司Embodied Intelligence由硅谷风险投资公司Amplify Partners领投，获得了700万美元的资金支持。该公司专注于复杂的算法，致力于让机器自己学习任务。Abbeel先生最近在加利福尼亚州埃默里维尔的新公司办公室接受采访时说：“目前，我们的机器人已经可以被‘教育’。”
这家新公司只是人工智能+机器学习快速发展的一个缩影。谷歌，布朗大学和卡内基梅隆等地的研究人员也在做类似的工作，像Micropsi和Prowler.io这样的初创公司也在逐渐崛起。自动化机器人已经在工厂和仓库内部担任了一些工作，例如在亚马逊庞大的配送中心里搬运箱子。但是公司必须对这些机器进行编程，以限制其应用。Amplify公司创始人Sunil Dhaliwal表示：“今天，工业机器人所做的每一个动作都被指定为毫米级。 但是大多数真正的问题并不能以这种方式解决。你不仅要告诉机器人该做什么，还要告诉它如何学习。”
Abbeel和Embodied Intelligence公司的其他创始人，包括前OpenAI研究员Peter Chen和Rocky Duan以及前微软研究员Tianhao Zhang，都专门研究了一种称为强化学习的算法——通过极端反复试验学习任务的方法。
DeepMind（Google位于伦敦的A.I.实验室）的研究人员使用这种方法构建了一台能够玩古老游戏的机器。从本质上讲，机器学会了一遍又一遍地学习，掌握这个非常复杂的游戏。工业界和学术界的其他研究人员已经表明，类似的算法也允许机器人学习物理任务。例如，通过反复尝试打开一扇门，机器人可以知道哪个特定的动作能够成功，哪些不能。
与谷歌和布朗大学、东北大学的实验室很像，体验式智能也用这种广泛的机器学习技术来增强这些方法的应用。最值得注意的是，初创公司正在探索所谓的模仿学习，一种机器学习人类示范的离散任务方法。该公司正在使用这种方法教一个双臂机器人从桌子上拿起塑料管。
戴上虚拟现实头戴式耳机，手持运动追踪器，Abbeel和他的同事们在数字世界中重复演示任务，重现机器人面前的一切。然后机器就可以从这个数据中学习。Chen说到：“我们收集有关人类活动的数据，以此训练机器模仿人类。”这些类似机器学习的方法在过去几年才刚刚开始取得成果，但是很多人相信他们一定会彻底改变机器人领域。机器学习专家Andrej Karpathy现在是特斯拉的A.I.总监，致力于使自动驾驶汽车更加智能化，而Abbeel正在着手于体验式智能。 “Andrej 正在开创新的研究模式，当然我们也在不断创新。”Abbeel说道。
他表示，他相信他的创业公司可以迅速将其方法推广到像汽车这样的制造业。尽管机器人已经在这样的工厂内部处理了许多任务，但仍然有很大的拓展空间。一些研究
联系客服
