Google讓機器人學習操縱會變形的物體

Google發表了最新的機器人研究，同時也開源一個名為DeformableRavens的模擬基準，目的是要加速操作可變形物體的研究。DeformableRavens內含12個任務，包括操作線材、編織物以及袋子，同時附有一個模型基礎架構，可供其他研究人員，藉由圖像來指示機器操縱可變形物體。

目前機器人的研究，進展到了讓機器人可以抓握各種剛體，但是針對可變形物體的研究卻相當少，而抓握可變形物體的困難之處，在於很難指定這類物體的配置，研究人員舉例，剛性立方體可以確定固定點的配置，會與物體的中心點有關，因此能夠有效地描述其3D空間，但這種演算法很難描述編織物的狀態。另外，即便能夠具體描述可變形物的狀態，但其牽涉的動態力學仍然非常複雜，因為可變形物體在執行特定操作之後，很難預測其未來的狀態。

DeformableRavens專案所提供的基礎架構，能夠讓機器人重新排列線材，使其與目標形狀相符，也能把編織物平整地放到目標區域，甚至是把物體插入到背包中，研究人員提到，這是目前第一個模擬器，可以讓機器人將物品裝入袋中，這個挑戰的難處，在於機器人必須學會複雜的相對空間關係。

DeformableRavens是以Google先前在排列物體上的研究作為基礎，其12個模擬任務套件，針對1D、2D和3D的可變形結構，每個任務都包含一個模擬的UR5機器手臂，和一個抓捏的模擬抓取器，並與腳本演示程序綑綁在一起，可用來自動收集模仿學習（Imitation Learning）的資料。

對可變形物體來說，指定目標配置的操作任務可能更為有挑戰性，因為其複雜的動力學特性，和高維度配置空間，目標不如剛體的姿勢容易指定，而且像是把物品放進袋中這種任務，還涉及複雜的相對空間關係。因此除了腳本演示的任務之外，DeformableRavens基礎測試還包括以目標圖像指定的條件任務。對於有條件的任務，機器人必須操縱給定的物體，使其狀態與圖像中的物體配置相符。

研究人員提到，為了在模擬基準中補充目標條件（Goal-Conditioned）任務，他們將這些目標條件整合到了之前所發布的Transporter Network基礎架構。這個基礎架構是以動作為中心（Action-Centric）的模型基礎架構，可以透過重新安排深層特徵，從視覺輸入推測出空間位移，以便良好地操縱剛體。

該基礎架構需要將目前環境的圖像、目標圖像以及最終物體配置作為輸入，計算這兩個圖像的深度視覺特徵，藉由組合這些特徵，以操作場景中的剛體以及可變形物體。研究人員解釋，Transporter Network基礎架構的優勢在於，其保留了視覺圖像的空間結構，可以提供歸納偏置（Inductive Bias），將圖像為基礎的目標條件，重新建構成為一個更簡單的特徵配對問題，進而提高了卷積網路的學習效率。

Google的研究顯示，目標條件的Transporter Network基礎架構，能夠良好的操縱可變形物體到指定的配置，研究人員也對2D和3D變形物體測試，Transporter Network基礎架構處理變形物體的能力，比過去方法大為進步，機器人所學習到的策略，可以有效地模擬裝袋任務，研究人員透過提供目標圖像，可讓機器人自己推測需要將物體放進哪一個袋中。