- 伯克利大学开发的AI技术能加速机器人编程及训练过程。
- 代理机器人技术结合多个AI代理生成控制程序,提升机器人表现。
- 这项技术减少了对大量训练数据及手动工程的需求。
- 初步应用集中于工业环境,显示出显著的包裹分拣能力提升。
加州大学伯克利分校的研究人员开发了一种基于人工智能的技术,能够显著加速机器人编程及训练以应对现实世界任务。这种被称为“代理机器人技术”的方法,利用多个人工智能代理生成机器人控制程序,在模拟环境中进行测试,并不断完善其性能。这项技术能够减少大量训练数据及手动工程的需求,这两者一直是制约能力强大的机器人发展的主要挑战。早期的测试已显示出在机器人任务表现上的改善,预示着其在工业自动化及仓库运作方面的潜在应用。
代理机器人技术的优势
这种新的机器人编程方法结合了代理人工智能、基于物理的模拟及模块化控制系统,帮助机器人在不依赖庞大训练数据集的情况下提升表现。代理机器人技术使得多个人工智能代理能够生成机器人控制程序,在模拟环境中进行测试,识别失败,并在将其应用于实体机器人之前修订其代码。这项技术能够解决机器人技术中的两个长期挑战:编程机器人行为所需的广泛工程,以及通过模仿学习所需的大量真实世界数据。
研究团队发布了一项行业标准基准,用以评估机器人在工业任务中的表现。传统上,机器人专家依赖两种广泛的方法。基于模型的机器人技术需要工程师手动编程机器人如何感知物体、规划动作及控制行为,而无模型机器人技术则使用演示和模仿学习来教导机器人执行任务。前者需要大量的工程努力,而后者则需要庞大的数据集和漫长的训练时间。代理机器人技术旨在结合这些方法的优势,同时减少其局限性。
这一方法使用了一个名为“图作为策略”的框架,将复杂的机器人任务分解为更小的可重用技能,包括识别物体、规划抓取动作及在不碰撞周围物体的情况下移动机器人抓手。人工智能代理将这些单独的技能连接起来,以构建完整的机器人控制程序。利用 NVIDIA 的 Isaac 模拟框架,研究人员在不同条件下测试这些程序,识别问题,并反复修改代码以提升性能。这使得机器人在工程师将最终程序部署到实体机器人之前,能够经历多轮虚拟测试。
其中一个演示涉及机器人使用海绵擦拭金属条上的墨水。研究人员向人工智能系统提供了一段短影片,并让其访问模拟界面。在一小时内,该系统生成并调整了一个物理模拟,重现了该任务,包括现实的海绵变形。然后,人工智能利用该模拟和“图作为策略”框架生成机器人控制程序。它反复测试并完善代码,然后将其转移到实体机器人上。在一次试验中,机器人因未准确考虑物体的重量而推倒了金属条。
系统使用这次失败的影片更新其模拟,修订控制程序,并测试新的方法。这一反馈过程使人工智能代理能够利用实体试验中的失败来改进模拟,并完善后续尝试,从而潜在地减少手动工程的工作量。
技术在工业物流中的应用
这项技术还在工业物流中进行了测试。一家仓库机器人公司应用了这些方法于包裹分拣,分析生产数据并测试机器人行为的更新。试验报告显示,每台机器人的分拣能力每年提高了超过 15,000 个包裹。该公司已在其 30% 的美国车队中部署了这些改进。研究人员还释放了基于 NVIDIA 的 Isaac 模拟框架构建的开源代码,并提供了一个行业基准,以评估机器人在不同任务中的表现。
初步应用集中于工业环境,在这里重复操作提供了测试和完善机器人行为的机会。
这一方法最终可能使机器人系统更容易适应不断变化的需求,而无需手动编程每一个动作或为每个新任务收集大量的演示数据。然而,这并不意味着机器人能够独立掌握任意现实世界活动。其立即潜力在于使机器人的编程、测试和改进变得更快且更具适应性,特别是在结构化的工业环境中。
AI技术如何改变机器人编程方式
新开发的代理机器人技术展示了人工智能在机器人编程中的潜力,特别是在减少对传统方法的依赖方面。通过结合模拟和模块化控制,这项技术不仅能提高机器人的性能,还能在工业环境中快速适应变化的需求。这对于提高生产效率和降低成本具有重要意义,特别是在需要大量重复操作的场景中。随着技术的进一步发展,未来可能会出现更多自动化解决方案,进一步推动工业自动化的进程。

