机器人技术的无聊前沿

最近，我有幸在皇家学会夏季科学展览会上度过了一周，帮助我博士实验室（牛津机器人研究所的A2I实验室）的展位。在这一周里，我无数次向公众介绍我们的工作，现在我想把它记录下来。

你见过网上那些机器人后空翻或跑马拉松的视频吗？令人惊讶的是，这些对于机器人来说比我们每天不假思索就能做的简单事情（比如泡杯茶）更容易。想想看，为什么40年前人工智能就在国际象棋上击败了加里·卡斯帕罗夫，却至今没有人出售叠衣服机器人？这是因为我们觉得难的事情（比如下棋）对机器来说很容易，而我们觉得容易的事情（与现实世界互动）对它们来说却出奇地难。

我们之所以能轻松地在现实世界中做事，是因为我们的大脑在这方面进化得非常好。考虑一下当你去捡东西时会发生什么。在你动肌肉之前，你的大脑已经计算出了：物体在三维空间中的位置、大小、形状（包括你看不到的部分）、可能的重量（从而决定握力）、表面摩擦力、如何抓握以便下一步操作、肌肉如何协调移动、姿势如何调整，以及物体在被拿起后可能会如何移动（例如，是固体还是装有会晃动的液体）。这只是捡起东西而已。我们日复一日毫不费力地完成所有这些，但机器人却无法免费获得任何一项。这就是为什么LaundryBot还没有上超市货架的原因。

我们的展位主要集中在手动装配上——一项名为RAMP的任务，一个6岁的孩子可能需要一两分钟。我们的机器人Frank大约需要5分钟，所以还不错，但远非超人类。部分原因是我们追求可靠性。我们在皇家学会整整一周，不断重复演示。机器人学和人工智能研究人员达到90%的成功率就会认为任务完成，但当你在向持怀疑态度的青少年演示时，十分之一的失败率是灾难性的。现代机器人学（以及大语言模型）在混乱的现实世界中，距离我们想要的有用自主性所需的可靠性还有差距——这是LaundryBot尚未出现的另一个原因。

简而言之——机器人可能不会取代你的工作，也不会来杀你或做任何戏剧性的事情。它们也许能在TikTok上做后空翻，但还不能为你泡杯茶。这正是我们想要解决的。

常见问题解答

在展览期间与这么多人交谈的一个有趣方面是被问及问题。以下是一些反复出现的问题以及我最终的回答。

机器人不是已经在工厂里做了几十年的装配工作吗？

是的！原因在于你可以控制工厂里的一切。如果我是工厂里的一个打孔机器人，我不需要了解世界的任何信息。我得到一块钢，然后每次从位置a移动到位置b。永远如此。如果我的工件方向不对，我无法实时调整。所以在工厂里，我们享受机器控制的好处，而不需要智能决策。在工厂之外，我们就没有这么幸运了——我们隐喻中的钢块很少以相同的方式出现两次。

手术机器人呢？

手术机器人看起来与工厂机器人不同，但实际上它们强化了总体观点。手术机器人提供精细的运动控制，但它们仍然将真实世界的理解和决策委托给人类操作员。机器人不需要知道在哪里切口，或者它正在处理哪个器官：它依靠外科医生来弥补其理解能力的不足。

ChatGPT呢？这应该差不多解决了吧？

ChatGPT令人印象深刻。对人工智能研究人员来说令人兴奋的是，它并没有针对特定工作（比如写诗或知道国家的首都）进行训练。相反，它从一个简单的任务——互联网数据的下一个标记预测——中学会了所有这些。ChatGPT为训练能够泛化到新情况的机器人提供了一条路径。

那么，为什么我们不为机器人训练一个ChatGPT呢？数据。我们人类花了几十年在互联网上写作，但我们大多数人并没有花同样多的时间上传高质量的机器人数据，所以RoboGPT的数据远远不够。

为了弥补数据差距，我们认为需要新的学习方法。现代人工智能可能令人印象深刻，但它们学习缓慢。想想自动驾驶汽车。一个青少年只需20小时就能通过考试，只凭智慧和眼睛。但一辆自动驾驶汽车，配备了360度摄像头阵列、深度传感器和高分辨率地图，需要一百万小时的训练数据。自动驾驶汽车相当不错（据称安全），但很明显它们学习缓慢。这对于像驾驶这样的单一高价值用例是可行的，但如果我们希望机器人像我们一样有效地适应和学习，似乎需要新的突破。

附注：有些人正在尝试ChatGPT式的方法，使用“视觉-语言-动作模型”（VLA）。这些模型采用处理文本和图像的大型语言模型，然后将它们连接到学习控制机器人的模型。想法是VLA可以利用LLM从互联网获得的更广泛知识来启动真实世界的理解。Physical Intelligence公司是这种方法的一个好例子。

为什么我们比机器人学得好得多？

这是个大问题——没有人知道完整的答案。但我认为有一些有趣的线索。

其中之一是“世界模型”的概念。如果你看到我把一个玻璃杯掉在水泥地上，你可以预见结果——我们可以预测现实世界中会发生什么。对于学习来说，这是一个非常丰富的信号，因为你总能预测世界对你的行动会如何反应。相比之下，只在完成任务时学习（这是现有一些方法的工作方式）是一种非常稀疏的信息来源。所以世界模型可能帮助机器人从有限的经验中更有效地学习。

一个更深刻的、来自神经科学的想法是“预测处理”，它认为我们对世界的感知只是大脑对其应感知内容的预测。预测处理是世界模型研究的松散灵感，但它也因许多其他原因而有趣；查看Andy Clark的《经验机器》以获得非常易懂的介绍！

另一个有趣的角度是我们小时候是如何学习的。毕竟，一个5岁的孩子可以解决许多机器人难以解决的问题。看看下面一个婴儿在垫子上玩玩具的视频。它玩一个东西，了解它，然后感到无聊并找出其他东西。那种内在好奇心和意识到自己已经学得足够多（即感到无聊）的混合让我们在了解世界方面非常高效，尤其是在我们小时候。关于内在好奇心的研究存在，但这并不是一个已解决的问题。也许一旦我们发明了喜欢玩耍的人工智能，我们就会更接近理解世界的机器人。

我应该学什么专业来研究机器人学？

这是我在展览会上经常从年轻学生那里得到的问题。不幸的是，我并不真正有资格回答这个问题，因为我的背景从物理学跳到教学再到新闻学再到数据科学和机器学习。我唯一想说的是机器人学是多学科的。机器人学家的学术背景涵盖了从数学和统计学等“纯”学位到物理学、计算机科学、电气工程、机电一体化和工业设计。如果我要给建议，我会说最重要的是找到一个你能投入的STEM专业。你可以以后弄清楚机器人如何融入其中。

我们研究的下游应用是什么？这些打算成为产品吗？

我认为许多大学的研究确实关注下游应用，但这是一个中间地带。在我看来，学术界的正确角色是在这些想法准备好变成产品之前就研究它们，找出基本问题。同时，有些问题值得研究，因为它们迫使你解决更深层次的问题。像RAMP这样的人工装配需要真实的、接触丰富的互动以及长期规划——这是现代机器人的两个重大挑战。

工作呢？机器人不会抢走所有工作吗？

这是一个好问题，不应该由机器人学家单独解决。总的来说，我们试图考虑自动化那些危险、枯燥或肮脏的工作——那些我们可能不介意少一些人从事的工作。但技术过去也曾以有意义的方式影响工作。你可以看看卢德分子的故事，他们有时被嘲笑为反动，但他们的担忧是相当合理的（《机器中的血》是一本关于这个的好书）。这些人是面临生活质量大幅下降和家庭贫困的人。作为一个社会，我们必须弄清楚我们要自动化什么，以及如何照顾受到技术影响的人——无论是机器人还是其他。

同时，很难预测技术如何影响工作。人们有时引用的一个例子是20世纪60年代自动取款机（ATM）的引入。ATM自动化了银行出纳员的主要任务之一——分发现金。你可能会认为这会导致银行出纳员人数的下降，但恰恰相反。工作发生了变化，变得更加关系导向，而更少涉及现金处理。而且由于ATM降低了出纳员处理现金不当的风险，银行扩大了分支机构数量，导致随着时间的推移，银行出纳员人数增加。直到移动银行完全取代了实体分行，银行出纳员的人数才开始减少。

在ATM的例子中，一个机器人自动化了一个任务而不是整个工作，结果工作发生了变化。这并不意味着机器人技术不会扰乱人们的生活，但它确实告诉我们，预测这些事情的发展是困难的。

意义何在？

从实际层面来说，我对能够做有用工作的机器人感兴趣。有关心的经济原因：自金融危机以来，英国的生产力几乎没有增长；我们的人口正在老龄化；劳动密集型行业难以找到工人；我们失去了制造能力，而地缘政治使得国家自给自足更具吸引力。有用的机器人可以帮助缓解其中一些压力。它们还可以帮助我们实现净零排放，使清洁能源基础设施的建设和维护更便宜、更安全。

更小众一点的是，我们可以从人工智能研究中更多地了解人类智能。这里有一个例子：有一种名为TD学习的算法，让AI从自身经验中学习。TD于1991年发明。六年后，神经科学研究者发现大脑实际上也使用了类似的机制...（原文截断）