机器人能否调整自己的工作方式来解决复杂的任务？瑞典查尔姆斯理工大学的研究人员开发了一种新的“学习”的AI机器人，通过观察人类行为，它可以适应在多变的环境中执行任务，设计的目的是以这种方式灵活的机器人将能够在更大程度上与人类一起工作。

机器人 Tiego 已准备好堆叠立方体。图片来源：马克西米利安·迪尔

“在人类环境中工作的机器人需要适应人类是独一无二的这一事实，并且我们都可能以不同的方式解决相同的任务。因此，机器人开发的一个重要领域是教机器人如何一起工作人类在动态环境中，”查尔姆斯理工大学电气工程系博士生、该项目的主要研究员 Maximilian Diehl 说。

当人类执行一项简单的任务时，例如设置一张桌子，我们可能会根据条件以几种不同的方式来应对挑战。如果一把椅子意外挡住了路，我们可以选择移动它或绕着它走。我们交替使用右手和左手，我们暂停，并执行任意数量的计划外动作。

但机器人的工作方式不同，他们需要精确的编程和指令一直到目标。这种方法使它们在不断遵循相同模式的环境中非常有效，例如工厂加工线。但要在医疗保健或面向客户的角色等领域成功地与人们互动，机器人需要开发更灵活的工作方式。

电气工程系助理教授 Karinne Ramirez-Amaro 说：“在未来，我们预计机器人会完成一些基本的家庭活动，例如布置和清洁桌子、将厨房用具放入水槽或帮助整理杂货。”

查尔默斯大学的研究人员想调查是否有可能教机器人以更像人类的方式来解决任务——开发一种“可解释的人工智能”，在演示过程中提取一般信息而不是具体信息，以便它可以计划一个灵活且通向长期目标的适应性路径。可解释的 AI (XAI) 是一个术语，指的是一种人工智能，人类可以在其中理解它是如何得出特定决策或结果的。

教机器人在不断变化的条件下堆叠物体

研究人员要求几个人在 VR 环境中执行相同的任务——堆叠成堆的小立方体——12 次。每次以不同的方式执行任务时，人类的动作都会通过一组激光传感器进行跟踪。

“当我们人类有一项任务时，我们会将其分成一系列较小的子目标，我们执行的每一个动作都旨在实现一个中间目标。我们没有教机器人精确模仿人类行为，而是专注于确定目标是什么，查看研究人员执行的所有操作，”Karinne Ramirez-Amaro 说。

研究人员的独特方法意味着人工智能专注于提取子目标的意图，并为每个目标构建包含不同动作的库。然后，人工智能创建了一个可供 TIAGo 机器人使用的规划工具——一种设计用于在室内环境中工作的移动服务机器人。在该工具的帮助下，即使周围条件发生变化，机器人也能够自动生成将立方体堆叠在一起的给定任务的计划。

简而言之：机器人被赋予了堆叠立方体的任务，然后根据每次尝试都会略有变化的情况，为自己选择几种可能的动作组合，形成一个序列，从而完成任务. 结果非常成功。

“借助我们的人工智能，机器人在一次人类演示后就以 92% 的成功率制定了计划。当使用来自所有 12 次演示的信息时，成功率高达 100%，”Maximilian Diehl 说。

这项工作在机器人会议 IROS 2021 上发表，该会议是世界上最负盛名的机器人会议之一。在该项目的下一阶段，研究人员将调查机器人如何与人类交流，并解释出现问题的原因，以及如果它们未能完成任务的原因。

工业和医疗保健

长期目标是在行业中使用机器人来帮助技术人员完成可能导致长期健康问题的任务，例如拧紧卡车车轮上的螺栓/螺母。在医疗保健领域，它可能是诸如携带和收集药物或食物之类的任务。

“我们希望让医疗保健专业人员的工作更轻松，以便他们能够专注于需要更多关注的任务，”Karinne-Ramirez Amaro 说。

“我们可能还需要几年时间才能看到真正自主和多用途的机器人，主要是因为许多个人挑战仍然需要解决，比如计算机视觉、控制和与人类的安全交互。但是，我们相信我们的方法将有助于加速机器人的学习过程，让机器人能够连接所有这些方面并将它们应用到新的环境中，”Maximilian Diehl 说。