这些机器人通过观察人类学会了打网球和拳击

如果波士顿动力公司风格的大型双足机器人最终真的取代人类在工作场所工作，那么它们可能会在接受有血有肉的前辈的训练后实现这一目标。在一篇新论文中，斯坦福大学的研究人员解释了他们如何通过模仿或“跟随”人类动作，教会一个身高 5 英尺 9 英寸、配备单个 RGB 摄像头的人形机器人弹钢琴、打网球，甚至学习拳击。这种新颖的学习方法可以帮助加快训练时间并降低未来人形机器人开发的成本。这可能会很有用，尤其是当 Figure 和 Tesla 等公司急于推出能够执行工厂和家庭工作的双足机器人时。

介绍 HumanPlus – 阴影部分

人形机器人天生就适合使用人类数据。我们使用单个 RGB 摄像头和全身策略构建实时阴影系统，以克隆人类动作。示例：
–拳击🥊
– 弹钢琴🎹/打乒乓球
– 抛掷
– 打字

开源！pic.twitter.com/DQgVDPiNnS

— 付子鹏 (@zipengfu) 2024 年 6 月 13 日

这些模仿机器人有何不同？

几十年来，形似人类的机器人一直以某种形式存在，但它们往往难以复制许多人自然学习的流畅动作。训练机器人执行对人类来说相对简单的动作需要大量复杂且多方面的人体运动训练数据。过去，机器人研究人员曾试图将这些数据的不同元素（例如与视觉感知或手臂和腿部控制相关的数据）分离，但研究人员表示，这种方法很耗时，不适合扩大规模。

斯坦福大学的研究人员采用了不同的方法。他们首先使用强化人工智能模型，利用 40 小时的各种人体运动数据训练定制设计的机器人“HumanPlus”。然后，他们可以在模拟环境中利用这些数据训练机器人，从而吸取基础知识，并将其应用于物理世界。有了这些知识和安装在机器人头部的网络摄像头，机器人能够“跟随”人类操作员的身体和手部动作，并最终模仿它们。这一过程被称为“跟踪”，使人形机器人能够更自然地复制人类动作。

作者写道：“通过模仿人类，类人机器人可以潜在地利用人类所展现的丰富的技能和动作，为实现通用机器人智能提供一条有希望的途径。”

机器人被要求模仿的各种任务和动作涵盖了人类动作的方方面面。在一个例子中，机器人被要求穿上鞋子并走路，这既测试了它的手部灵活性，也测试了它的整体运动能力。同时，打乒乓球或学习打出有力的左刺拳等其他任务则更强调视觉感知和时间把握。另一项活动是让机器人使用键盘输入编码短语“Hello Word”，这展示了更精确的手指动作。研究人员声称，经过全面训练后，HumanPlus 的动作成功率可达 60-100%，具体取决于任务。

介绍 HumanPlus – 自主技能部分

人形机器人天生就适合使用人类数据。通过模仿人类，我们的人形机器人可以学习：
– 折叠运动衫
– 从仓库货架上卸载物品
– 多样化的运动技能（蹲、跳、站立）
– 迎接另一个机器人

开源！pic.twitter.com/jFzfES6mMf

— 付子鹏 (@zipengfu) 2024 年 6 月 13 日

从物理上讲，HumanPlus 是一个由各种机器人部件组成的怪兽。研究人员使用 Unitree 的 Robotics H1 机器人作为基础机身，然后连接来自 Inspire-Robots 和 Robotis 公司的机械手和手腕。连接到机器人眼睛上的一个简单的 Razer 网络摄像头是它观察周围世界的主要方式。总的来说，这款机器人的最终价格约为 107,945 美元。任何有这种钱的人都可以按照研究人员在这个 GitHub 存储库上发布的说明学习如何构建自己的 HumanPlus 机器人。

HumanPlus应该体现在哪个硬件平台上？

我们用以下组件构建了我们自己的具有两个灵巧手的 33-DoF 人形机器人：
– Inspire-Robots RH56DFX 手
– @UnitreeRobotics H1 机器人
– @ROBOTIS Dynamixel 电机
–@Razer 网络摄像头

我们开源我们的硬件设计。pic.twitter.com/AkY9MPEzyd

— 付子鹏 (@zipengfu) 2024 年 6 月 13 日

模仿学习可以让商业机器人更具适应性

研究人员更流畅的训练方法出现在人们对人形机器人的商业兴趣激增的背景下。Figure 和 Agility Robots 是该领域的两大领先企业，它们已经开始在汽车和物流制造厂测试其产品。特斯拉的 Optimus 机器人已经从穿着紧身衣的人进化为能够抚摸鸡蛋的现实世界机器，特斯拉设想了这样一个现实：这些会走路会说话的机器人有朝一日会洗碗并做其他家务。尽管仍处于（非常）早期阶段，但所有这些运动可能会催生一个规模可观的人形机器人行业。高盛 2022 年的一份报告预测，到 2035 年，全球人形机器人市场规模可能达到 1540 亿美元。

不难想象，能够通过模仿学习的机器人在这些商业环境中会大有用处。就像在职培训的新人类工人一样，管理人员或受过培训的机器人操作员可以教人形机器人如何执行特定于某一特定行业的特定任务。与其他预编程机器人不同，这些更灵活的机器可以同样更新以模仿新任务。这种更有机的运动学习方法还可能增加越来越多以无障碍为重点的机器人的功能，旨在改善残疾人的生活。