来源笔记
Robots learn: A brief, contemporary history
摘要
这篇文章简要回顾了机器人学习如何从手写规则转向数据驱动模型、仿真训练和基础模型式策略。文章认为，这一变化是 2020 年代中期机器人投资和落地快速上升的主要原因之一。
问题
- 传统机器人技术依赖工程师为每种情况写规则，但面对折衣服、处理新物体或与人互动这类杂乱的现实任务时，这种方法会失效。
- 只在仿真中训练出的策略，到了真实机器人上常常会失败，因为摩擦、光照、材料和感知的细微差别都会改变结果。
- 通用机器人需要把语言、视觉和状态映射成动作，并覆盖很多任务，但早期脚本化系统的语言能力弱，适应性也差。
方法
- 文章梳理了三次主要的学习转向：基于规则的控制、在仿真中进行强化学习，以及基于多模态数据的大规模动作预测。
- 在基于仿真的学习中，机器人通过带奖励信号的试错改进。领域随机化会在许多模拟世界里改变物理和视觉条件，让策略更容易迁移到现实中。
- 在基础模型式机器人中，系统接收相机画面、传感器读数、关节状态和语言指令，然后每秒多次预测下一步机器人动作。
- 一些公司会收集仓库或其他工作场景中部署机器人产生的数据，再用这些真实世界反馈持续改进模型。
- 文章用了几个案例：Jibo 说明社交交互的局限，OpenAI Dactyl 说明仿真到现实的灵巧操作，Google RT-1/RT-2 说明视觉-语言-动作控制，Covariant RFM-1 说明仓库拣选，Agility Digit 说明类人机器人的部署。
结果
- 文章称，类人机器人投资在 2025 年达到 61 亿美元，约为 2024 年 的 4 倍。
- Google 为构建 RT-1，持续 17 个月 收集了覆盖 700 项任务 的数据。RT-1 在见过的任务上成功率为 97%，在未见过的指令上为 76%。
- OpenAI 的 Dactyl 之后把基于仿真的方法用于魔方求解，总体成功率为 60%，在特别难的打乱状态上为 20%。
- Covariant 已在 Crate & Barrel 等客户场地部署仓库机器人系统，并在 2024 年 发布了 RFM-1，但文章没有给出基准表或汇总成功率。
- 文章把 Agility 的 Digit 描述为亚马逊、丰田和 GXO 用于真实仓库工作的最早类人机器人之一。一个明确限制是载重：Digit 可以举起 35 磅。
- 这篇文章是新闻综述，不是研究论文，所以定量证据有选择性，也没有把不同方法或系统放在统一实验框架里比较。