在過去幾年中，加州大學(xué)伯克利分校的Pieter Abbeel等研究人員一直在研發(fā)教導(dǎo)機(jī)器人掌握新技能的方法，日前，Abbeel和來自加州大學(xué)伯克利分校、OpenAI的數(shù)位同事正式掛牌創(chuàng)辦了一家名為Embodied Intelligence的新創(chuàng)業(yè)公司，并且成功完成了700萬美元的種子輪融資。

　　Embodied Intelligence希望解決機(jī)器“服從”的問題，讓它具有主動學(xué)習(xí)的能力。這是目前機(jī)器人的一個(gè)決定性問題：只要你每一次都確切地告訴它們這是什么，機(jī)器人可以完成任何你交待的任務(wù)。對于機(jī)器人在工廠里重復(fù)完成同樣的任務(wù)，這不是一個(gè)問題。但當(dāng)你加入新的或混合其他不同的東西時(shí)，這將成為一個(gè)非常令人頭痛的問題。他們希望“工業(yè)機(jī)器人手臂能像人類一樣感知世界和做出行動，而不僅僅只是遵循預(yù)編程的軌跡”。

　　Embodied的目標(biāo)是使現(xiàn)有機(jī)器人硬件能夠處理當(dāng)前解決方案無法實(shí)現(xiàn)的更廣泛任務(wù)，例如復(fù)雜形狀的箱體拾取、配套、裝配、不規(guī)則堆棧與卸垛，以及操作可變形物體，比如電線、織物、亞麻布、流體袋和食物等。為了使現(xiàn)有機(jī)器人掌握這些技能，一切將建立在深度強(qiáng)化學(xué)習(xí)，深度模仿學(xué)習(xí)上。

　　雖然人類可以毫不費(fèi)力地完成這樣的任務(wù)，但當(dāng)前的機(jī)器人尚無法做到，這就是為什么人類和機(jī)器手臂之間會存在如此巨大差距的原因。Embodied希望通過可以快速靈活學(xué)習(xí)新技能的機(jī)器人來彌合這種差距。

　　基于RLL最近的一些研究，Embodied正在采取一種基于虛擬現(xiàn)實(shí)的新方法。因?yàn)橐赃@種方式收集的數(shù)據(jù)質(zhì)量非常高，能夠教導(dǎo)機(jī)器人系統(tǒng)學(xué)習(xí)一項(xiàng)技能而不是一系列的行動。這意味著它擁有可適應(yīng)性，可處理未經(jīng)專門訓(xùn)練的任務(wù)。這對研究環(huán)境之外的操作至關(guān)重要。

　　值得一提的是，這個(gè)領(lǐng)域中的企業(yè)不僅只有Embodied。其他包括Kindred，Kinema Systems和RightHand Robotics等等。這些企業(yè)都在研發(fā)機(jī)器人操縱解決方案，我們需要一定的時(shí)間才能比較他們的解決方案孰優(yōu)孰劣，而Abbeel表示他們將在未來幾個(gè)月內(nèi)發(fā)布更多的演示視頻。