人類通常擅長全身操縱，但機器人卻很難勝任此類任務。對機器人來說，盒子可能接觸到搬運者手指、手臂和軀干上任何一點的每一個位置，都代表著一個接觸事件，機器人需要對其進行推理。由于潛在的接觸事件數以億計，這項任務的規劃工作很快就變得難以完成。

現在，麻省理工學院的研究人員找到了一種簡化這一過程的方法，這種方法被稱為 "富接觸操縱規劃"。他們使用了一種稱為平滑的人工智能技術，這種技術能將許多接觸事件歸納為數量較少的決策，從而使即使是簡單的算法也能為機器人快速確定有效的操縱計劃。

雖然這種方法仍處于早期階段，但它有可能使工廠使用較小的移動機器人，這些機器人可以用整個手臂或身體來操縱物體，而不是只能用指尖抓取的大型機械臂。這可能有助于減少能耗，降低成本。此外，這種技術還可用于執行火星或其他太陽系天體探索任務的機器人，因為它們只需使用機載計算機就能快速適應環境。

"電氣工程與計算機科學（EECS）專業研究生 H.J. Terry Suh 是這項技術相關論文的共同D一作者，他說："如果我們能夠利用模型來利用這類機器人系統的結構，那么就有機會加快做出這些決策和制定接觸豐富的計劃的整個過程，而不是把它當作一個黑盒子系統。

與 Suh 一起參與論文撰寫的還有共同D一作者、波士頓動力人工智能研究所的機器人專家 Tao Pang 博士（23歲），電子工程與電子科學研究生楊璐潔，以及資深作者 Russ Tedrake，他是電子工程與電子科學系、航空航天系和機械工程系的豐田教授，也是計算機科學與人工智能實驗室（CSAIL）的成員。這項研究成果將于本周發表在《電氣和電子工程師學會機器人技術論文集》（IEEE Transactions on Robotics）上。

▍關于機器人的強化學習

強化學習是一種機器學習技術，在這種技術中，代理（如機器人）通過試錯來學習完成任務，并在接近目標時獲得獎勵。研究人員說，這種學習方式采用的是黑箱方法，因為系統需要通過試錯來了解世界的一切。

它已被有效地應用于接觸式操縱規劃，在這種規劃中，機器人試圖學習以特定方式移動物體的佳方法。

但是，由于機器人在決定如何使用手指、手掌、手臂和身體與物體互動時，需要對數十億個潛在接觸點進行推理，因此這種試錯方法需要大量計算。

“強化學習可能需要經過數百萬年的模擬時間才能真正學習策略，”Suh 補充道。

另一方面，如果研究人員利用他們對系統的了解以及他們希望機器人完成的任務專門設計一個基于物理的模型，那么該模型就會包含有關這個世界的結構，從而使其更加G效。

然而，當涉及豐富的接觸操作計劃時， 基于物理的方法并不像強化學習那么有效——Suh 和 Pang 想知道為什么。

他們進行了詳細分析，發現一種被稱為平滑的技術能讓強化學習表現如此出色。

機器人在決定如何操縱物體時，可能做出的許多決定在整體上并不重要。例如，一根手指的每一次微小調整，無論是否會導致與物體的接觸，都不太重要。平滑平均消除了許多不重要的中間決策，留下了一些重要的決策。

強化學習通過嘗試多個接觸點，然后計算出結果的加權平均值，從而隱性地實現平滑。根據這一見解，麻省理工學院的研究人員設計了一個簡單的模型，該模型可以執行類似的平滑處理，使其能夠專注于機器人與物體之間的核心互動，并預測長期行為。他們的研究表明，這種方法在生成復雜計劃方面與強化學習一樣有效。

"Pang 說："如果對問題有更多的了解，就能設計出更有效的算法。

▍如何將算法進行重新組合是個問題

盡管平滑處理大大簡化了決策，但搜索剩余決策仍然是一個難題。因此，研究人員將他們的模型與一種算法相結合，這種算法可以快速G效地搜索機器人可能做出的所有決定。

通過這種組合，在標準筆記本電腦上的計算時間縮短到約一分鐘。

他們先在模擬實驗中測試了自己的方法，在模擬實驗中，機器人的手被賦予了移動鋼筆到所需配置、開門或拿起盤子等任務。在每種情況下，他們基于模型的方法都取得了與強化學習相同的性能，但所需時間只有強化學習的一小部分。當他們在真實機械臂上對模型進行硬件測試時，也看到了類似的結果。

實現全身操縱的理念同樣適用于靈巧的人手規劃。特德拉克說："以前，大多數研究人員都認為強化學習是適用于靈巧雙手的方法，通過從強化學習中提取（隨機）平滑這一關鍵思想，他們可以讓更多傳統的規劃方法也非常有效。"

然而，他們開發的模型依賴于對真實世界的簡單近似，因此無法處理非常動態的運動，例如物體墜落。他們的方法雖然對速度較慢的操縱任務有效，但無法創建一個能讓機器人將易拉罐扔進垃圾桶的計劃。未來，研究人員計劃改進他們的技術，使其能夠處理這些G動態運動。