機器人也會系鞋帶了！斯坦福團隊賦予機器人新技能丨已開源
網友：小手怪巧的
叨樂 發自 凹非寺
量子位 | 公眾號 QbitAI
斯坦福年初剛教完機器人炒菜，現在又教機器人系鞋帶！
他們還發布了全球首個機器人自主系鞋帶演示視頻。
與之前的炒菜版1.0相比，這個版本的它可以執行更加輕巧、復雜的任務。
評論區的網友也是一片夸夸：
網友一：小手怪巧的，我系鞋帶都沒他系的好！
網友二：OMG！是個好東西！量產！
網友三：可愛捏！它甚至會打蝴蝶結！
小手怪巧的
除了系鞋帶，視頻中的Aloha 2機器人還會掛衣服、擰齒輪、收拾廚房，甚至是給“同事”換不同用途的配件。
咱們一起來看一下它的表現~
先是掛衣服。演示視頻中，Aloha 2先是乖乖的把衣服擺好，然后一氣呵成地就把衣服套在了衣架上（它甚至知道抵一下防止衣服掉落）。
數據庫中的沒有的衣服類型也可以掛。
在擰齒輪的測試中，它的表現也不錯。成功地把三個塑料齒輪插進了一個帶摩擦力的插座，完美咬合。
“收拾廚房”的環節：Aloha 2乖乖地把桌面散落的餐具規整到一起，擺放整齊。
到了給“同事”換配件的時候，也是一氣呵成。先摘下舊的，再拿起新的對準后安上！
怎么學會的
為了訓練Aloha 2機器人，研究團隊使用擴散策略進行大規模訓練，共在5個任務中收集2.6萬個示范數據。
值得一提的是，他們的訓練僅僅是基于模仿學習的方法，并不涉及強化學習。
而Aloha 2機器人的神經網絡架構則是參考了ACT模型，沒有用到條件VAE編碼器（變分自動編碼器）。
他們具體是這么做的：
研究人員給嵌入加了個位置嵌入，然后喂了一個8500萬的Transformer編碼器，之后用雙向注意力進行解碼，就得到了觀察結果的潛在嵌入。
這些潛在的東西再傳給一個5500萬參數且帶雙向注意力的Transformer編碼器。
解碼器的輸入是個50×14的張量，就是一個帶位置信息的噪聲動作塊。這些嵌入跟觀察編碼器的潛在嵌入和時間步（用獨熱向量表示）進行交叉注意力。
解碼器最后輸出一個50×512的維度，然后用線性層映射成50×14，這就是對接下來50個動作的預測噪聲。
基礎模型總共有2.17億個可學習的參數。小模型的話，研究人員用1700萬的編碼器和3700萬的解碼器，總共1.5億參數。
訓練時，研究人員基于JAX框架，在64個TPUv5e上并行訓練，批量大小256，總共進行了200萬步的訓練。
并且使用帶權重衰減的Adam優化器，權重衰減是0.001，線性學習率預熱5000步，之后保持恒定速率為1e-4
最終結果如下：
研究人員對最終的結果很滿意，發文感嘆：
實驗的總體成功率很高！模仿學習可能是實現99%成功率的有效途徑！
One more thing
Aloha 2的研究團隊主要由DeepMind和斯坦福研究小組組成。
Aloha 2是對原始Aloha系統的增強版本，為了更加支持雙手的遠程操作。
與之前的版本相比Aloha 2在硬件方面進行了多項改進，使其能夠執行更復雜和細致的操作任務，
目前研究團隊已經開源了Aloha 2的所有硬件設計，并提供詳細的教程和模擬模型，以便于研究人員和開發者進行大規模的雙手操作研究。
- 在線可玩！智譜開源圖生視頻模型，網友直呼Amazing！2024-09-19
- 字節AI版小李子一開口：黃風嶺，八百里2024-09-13
- 小心！AI能「看懂」你的唇語，悄悄話不再安全！2024-09-12
- 通用端到端OCR模型開源，拒絕多模態大模型降維打擊2024-09-10
