TAYLOR KUBOTA作者斯坦福大学新闻来源Nurhachu Null编译

斯坦福机器人制造者吴恩达:生活中的机器人,将是专用机器人

研究生Ashutosh Saxena(左),Morgan Quigley(中)和吴恩达参与了一项大型研究项目,旨在开发一款机器人,用于观察不熟悉的物体并确定抓取它的最佳位置。


几十年来,斯坦福大学一直在发明机器人的未来。这一未来最早始于 20 世纪 60 年代的一艘登陆月球的探测器,以及最早的人工智能机器人之一——「Shakey」。在那个时候,很多人把机器人想象成下一代的家庭帮佣,装洗碗机,调马提尼酒。然而,绝大多数机器人已经从这些早期雄心壮志的家用场景转移到了工厂,因为机器人能力受到现有技术的限制,又重也危险,没办法和人类共处一室。

但是,对更柔软、更温和、更智能的机器人的研究仍在继续。在很大程度上,由于计算能力的进步,机器人研究如今正蓬勃发展。仅在斯坦福大学,机器人就能攀爬墙壁,像鸟儿一样振翅高飞,在地球和海洋深处乘风而行,与宇航员在太空中闲逛。而且出于对祖先的敬意,他们不再像过去那样摇摇欲坠了。

本文作者 Taylor Kubota 制作了一个系列采访,介绍了斯坦福大学这些机器人宝藏,以及打造他们的教师及其学生。本文的主角是斯坦福大学计算机科学副教授吴恩达。现在,他专注于人工智能在许多领域的应用,比如医疗、教育和制造业,这也是他更为人所知的经历。但在斯坦福的头十年里,他却在致力于自主直升机和 STAIR(STanford AI Robot)项目的研究。


是什么激发了您对机器人的兴趣?

我一直在捣鼓机器人。举个例子,我记得高中的时候,我和朋友参加了一个竞赛,做了一个机械臂来操纵棋子在棋盘上移动。现在看来这是微不足道的,但在当时,机器人还是一个新生的事物,并且作为高中生,我们认为制作机器人就是在干一件大事。

现在,我经常看到高中生在做这件事,如果有人在十年前做这件事,那可能会在学术会议上拿到最佳论文奖。因此,我们的领域进步很大!

您的第一个机器人项目是什么?

加州大学伯克利分校做博士论文期间,我记得自己问过很多人这么一个问题:机器人学中最难的问题是什么?一些朋友向我推荐了直升机,所以我最后写了一篇关于自动控制直升机飞行的博士论文。后来,我在斯坦福大学最早期的博士生 Pieter Abbeel 和 Adam Coates 做了一项卓越的工作,他们的工作将自动控制直升机飞行研究推到了很高的水平,坦率地说,我们在这方面已经没有什么可以做的。他们做得太好了,我们不得不停掉这项研究。

后来,我开始研究机器学习计算机视觉感知。彼时,大家都在研究 AI 问题的不同子集,我觉得,有一个叫做 STAIR 的项目——斯坦福人工智能机器人——将有助于将 AI 各个方面的能力综合在一起。这是一个通用机器人,很大程度上受到了 Shakey 的启发,Shakey 是第一个人工智能机器人。

我认为 STAIR 最重要的成果之一是 ROS(机器人操作系统)。今天,如果你去任何从事机器人研究的大学,他们都在用 ROS。ROS 甚至已经离开了我们的星球,它现在已经运行在国际空间站的机器人上。此外,ROS 现在由一个 20 人组成的非营利组织 Open Source Robotics Foundation(开源机器人基金会)维护,我的博士生 Morgan Quigley 是这个非营利组织的联合创始人之一。

说起这一切,我仅仅是一名教授。老实讲,大部分工作是由我的博士生完成的,他们是这件工作背后真正的英雄。

回想一下,您当时希望机器人在「未来」能做些什么?

我在读高中的时候就去实习了。我是办公室助理的助手,做了很多复印的工作。记得我当时就在想,如果我能把所有的复印工作自动化,也许我就能够把时间花在其他事情上。这是促使我想出如何自动执行很多重复性任务的动力之一。

吴恩达在 STAN(科学、技术、艺术和自然)活动中做关于自动控制直升机的演讲

即使到了今天,我仍然认为人们对人工智能知之甚少。今天,人工智能的主要能力并不是制作有感知的机器人,而是自动化。

有一件不幸的事情是,现在既有人工通用智能,也有人工专业智能(artificial specialized intelligence)。近期几乎所有的项目都有用AI去完成特殊的任务。通用人工智能让人们构想出了邪恶、杀人机器人,它们可能奴役我们所有人。或许距离AI具有通用智能还有成百上千年,但是甚至还没有一个人能够清楚地看到这一点。

您现在所做的哪些工作与机器人有关?

我在机器人学方面的博士背景实际上是一个控制项目——控制就是让机器人执行特定任务的方式。但是在 STAIR 项目中,我们意识到,感知是一个更紧迫的问题。感知问题是机器人如何与它周围的环境互动,它如何精确地感知环境并告诉我们,例如,「人在哪里,门把手在哪里,订书机在哪里。」

我的博士生 Ashutosh Saxena 做了一项非常特别的工作,他让机器人捡起它以前从未见过的物体。当他这样做的时候,争议很大,但是现在从事机器人领域的每个人都会觉得这是正确的方向。那时,我让研究小组开始将大部分时间花在深度学习上,因为这是解决许多开放感知问题的最佳方法。

但愿有朝一日我们能够将它与机器人联系起来,但是我们现在并不专注于此。STAIR 的具身还存活着,而且状态很好。我们早期有很多关于机器人应该如何抓取日常物品的想法,这些想法对研究而言是至关重要的。

在您从事机器人研究的这段时间里,机器人学的总体目标或者大趋势发生了什么变化?

在过去的五年里,深度学习的兴起带来了翻天覆地的变化,因为深度学习让机器人可以看得更加清楚。在其他领域也有进展——更多的控制工作、机械工程和材料工作。与五年前相比,现在有了更好的感知解决方案。这为机器人技术的应用创造了更多的机会。

至于像 Shakey 和 STAIR 一样的通用机器人,那都是以研究为重点的。研究将会持续尝试制作通用机器人,因为研究推动了一个探索基础科学问题的过程。对于可能在不久的将来出现在我们生活中的机器人,我觉得它们会是专用机器人。例如,我的一名学生有一个机器人,它最近已经被购买用于农业了。

原文链接:

https://news.stanford.edu/2019/01/16/stanfords-robot-makers-andrew-ng/

产业吴恩达机器人
1
相关数据
吴恩达人物

斯坦福大学教授,人工智能著名学者,机器学习教育者。2011年,吴恩达在谷歌创建了谷歌大脑项目,以通过分布式集群计算机开发超大规模的人工神经网络。2014年5月16日,吴恩达加入百度,负责“百度大脑”计划,并担任百度公司首席科学家。2017年3月20日,吴恩达宣布从百度辞职。2017年12月,吴恩达宣布成立人工智能公司Landing.ai,并担任公司的首席执行官。2018年1月,吴恩达成立了投资机构AI Fund。

深度学习技术

深度学习(deep learning)是机器学习的分支,是一种试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的算法。 深度学习是机器学习中一种基于对数据进行表征学习的算法,至今已有数种深度学习框架,如卷积神经网络和深度置信网络和递归神经网络等已被应用在计算机视觉、语音识别、自然语言处理、音频识别与生物信息学等领域并获取了极好的效果。

机器学习技术

机器学习是人工智能的一个分支,是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。因为学习算法中涉及了大量的统计学理论,机器学习与推断统计学联系尤为密切,也被称为统计学习理论。算法设计方面,机器学习理论关注可以实现的,行之有效的学习算法。

感知技术

知觉或感知是外界刺激作用于感官时,脑对外界的整体的看法和理解,为我们对外界的感官信息进行组织和解释。在认知科学中,也可看作一组程序,包括获取信息、理解信息、筛选信息、组织信息。与感觉不同,知觉反映的是由对象的各样属性及关系构成的整体。

人工智能技术

在学术研究领域,人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体(intelligent agent)

机器人操作系统技术

ROS,是专为机器人软件开发所设计出来的一套电脑操作系统架构。它是一个开源的元级操作系统,提供类似于操作系统的服务,包括硬件抽象描述、底层驱动程序管理、共用功能的执行、程序间消息传递、程序发行包管理,它也提供一些工具和库用于获取、建立、编写和执行多机融合的程序。

计算机视觉技术

计算机视觉(CV)是指机器感知环境的能力。这一技术类别中的经典任务有图像形成、图像处理、图像提取和图像的三维推理。目标识别和面部识别也是很重要的研究领域。

机器人技术技术

机器人学(Robotics)研究的是「机器人的设计、制造、运作和应用,以及控制它们的计算机系统、传感反馈和信息处理」 [25] 。 机器人可以分成两大类:固定机器人和移动机器人。固定机器人通常被用于工业生产(比如用于装配线)。常见的移动机器人应用有货运机器人、空中机器人和自动载具。机器人需要不同部件和系统的协作才能实现最优的作业。其中在硬件上包含传感器、反应器和控制器;另外还有能够实现感知能力的软件,比如定位、地图测绘和目标识别。之前章节中提及的技术都可以在机器人上得到应用和集成,这也是人工智能领域最早的终极目标之一。

加州大学伯克利分校机构

加利福尼亚大学伯克利分校,简称加州大学伯克利分校,又常被译为加利福尼亚大学伯克莱分校,位于美国加利福尼亚州旧金山湾区伯克利市,是一所世界著名的公立研究型大学。其许多科系位于全球大学排行前十名,是世界上最负盛名的大学之一,常被誉为美国乃至世界最顶尖的公立大学。

https://www.berkeley.edu/
推荐文章
暂无评论
暂无评论~