OpenAI 機器人研討會 2019

OpenAI 於 2019 年 4 月 27 日舉辦了首屆機器人研討會，以創建一個多學科平台，交流構建複雜機器系統的想法。該活動的重點是創造能學習的機器人，OpenAI 認為這是將機器人融入日常生活的主要途徑。

機器學習的技術方法

幾位研究者介紹了使機器人獲得技能並適應環境的多樣化方法：

Wojciech Zaremba (OpenAI) 發表了關於「學習靈巧性」的研究，該研究利用帶有領域隨機化的 sim2real 以及大規模強化學習和記憶增強策略。此方法能實現元學習，使策略能夠轉移到實體機器人上，而無需在實體硬體上進行訓練。

Pierre Sermanet (Google Brain) 描述了一種方法，其中「遊戲」提供表示學習的自我監督。這使機器人能夠獲得一套多樣化的技能，這些技能可以重新組合以解決新穎的任務，而不需要顯式的標籤或獎勵。

Leslie Kaelbling (MIT) 討論了一種架構，用於建造智能機器人，區分在「機器人工廠」（工程時間）中的學習與在「野外」（部署時間）中的學習，以促進新技能的獲得。

Jeff Clune (Uber AI / 大學懷俄明) 詳細闡述了在《自然》上發表的工作，涉及機器人在受損時能夠快速在執行時適應，從而提高對意外環境條件或實體故障的韌性。

研討會上發表的研究聚焦於使機器人安全且具社會直覺的路徑：

Anca Dragan (UC Berkeley) 提出了一個預測人類行動的框架，該框架超越了人類是「帶噪聲的理性」的假設。她的框架考慮了人類的戰略行為和系統性次優，例如人類對環境物理缺乏了解或偏好隨時間變化。

Jin Joo Lee (MIT / Amazon) 探索了利用社會情感智能使機器人更具生命力。這涉及機器人能夠解讀人類的情感表達並使用類似的情感線索進行溝通。

Chris Atkeson (CMU) 提供了對機器人學習研究與實際機器人編程實踐之間差距的關鍵分析，討論了使學習機器人在實際應用中真正有用所需的條件。

作為活動的一部分，OpenAI 進行了人形機器人手操作塊的現場示範。該系統利用視覺和強化學習來完成該任務。

OpenAI 報告指出，研討會帶來了對傳統機器人與深度學習機器人之間張力的新內部視角，以及關於自我監督的新想法。該組織計畫重複此形式，可能作為年度活動，以促進對解決機器人問題之多樣化方法的共同理解。