这引人联想的机械右手！玩转魔方，灵活不输人，OpenAI：前所未有

边策 鱼羊 发自 凹非寺

量子位 报道 | 公众号 QbitAI

OpenAI官方为这只AI机械手激动了：

“机器人的前所未有之境，就算人类也难以做到。”

说的啥新进展？单手玩魔方。

相比之下，人类新手能稳稳拿住魔方都不容易：

而且不仅玩得转魔方，捆绑Play也不在话下。

没人告诉它该怎么调配手指，还需要克服人类强行使的各种绊子，但AI机械手可以随时调整不断学习，最后最短时间内完成魔方翻转。

这就是OpenAI用强化学习最新训练出的AI系统。

并且，还是单手操作。

视频一经放出，迅速蹿红推特，揽下6000+点赞，网友惊呼：

AI玩魔方都玩得比我好了！

这事儿不简单

且不说量子位这样的手残党，单手恢复魔方，对于普通人类而言也并不简单。

不信的话，随便拿起身边一个直径6厘米的块状物体，单手转起来。小心拿稳了，砸到脚还挺疼的（别问我怎么知道的）。

而对机械手来说，问题就更复杂了。

机械手远没有人手这样灵活，抓取力度控制也挑战不小。

就算是“媲美”人手，能使用的场景或泛化迁移能力，也道阻且长。

比如这位MIT工程师，就吃过大亏：

△生活大爆炸

而更大的挑战，是现实世界中复杂的物理参数。

在玩魔方这个任务当中，机械手跟魔方之间的摩擦力、弹性和其他动力学因素都很难测量，更别说精细建模了。

并且，在模拟仿真环境中训练出来的AI，面对复杂多变的真实物理世界，是否能保持鲁棒，也是一个大问题。

比如说带个橡胶手套，摩擦力就变了：

两个手指被绑住，难度也会与模拟训练时大大不同：

甚至可能会跑出来一只长颈鹿，试图叼走魔方：

如此种种，使得sim2real（从模拟环境到现实环境）变得非常困难，仅凭过去的域随机化（Domain Randomization）算法（见注）已经不足以解决。

注：域随机化（Domain Randomization）由OpenAI提出，能够创建具有随机属性的各种模拟环境，并训练可在任何环境中工作的模型。

论文地址：https://arxiv.org/abs/1710.06537

所以机械手玩转魔方，真真是一次力与美的结合、灵与器的共舞。

而OpenAI的核心秘诀，在于进一步开发了一种新的算法，称为自动域随机化（ADR）。

当然，机械手的构造也来头不小。

先看神奇之手的硬件结构

OpenAI的机械手，装载一个巨大的支架中。

在这个支架里，包含一个PhaseSpace运动捕捉系统、一个RGB相机。机械手的每个指尖上都有一个LED灯，系统就是通过这一组灯来捕捉机械手的动作。

操纵魔方的机器人手来自影子机器人公司（Shadow Robot Company），基于旗下 Dextrous E系列机械手打造。

这原本是一家想做双足机器人的公司，因为发现自己的水平远不及本田已经造出的机器人，于是弃脚从手，转而去开发机械手，并造出了世界上第一台拟真机械手。

△ 影子机器人公司开发的机器人

具体结构上，Dextrous有20个可驱动的关节：中指和无名指各有3个驱动关节和1个非驱动关节，小指和拇指有5个驱动关节，以及一个有2个驱动关节的腕部。

为了“玩转魔方”，OpenAI和影子机器人公司，还合作提高了机器手组件的坚固性和可靠性。增加了手的握力，并减小了肌腱应力，并且调整了关节之间的交联，最大程度地减小了扭矩的限制。

与人类“十指连心”类似，他们除了在机械手上安装了位置和力传感器，还在指尖上安装了超灵敏的触摸传感器，以达到接近人手的效果。

实验中用到的魔方也不是普通的魔方。

不少米粉或许也会觉得眼熟，它是小米的计客超级魔方（GiiKER cube），内部有可感应方向的蓝牙与运动传感器。

计客超级魔方具有90度的面角分辨率，但OpenAI团队对其进行了修改，将精度提高到了大约5度。

再看软件算法功力：从模拟到现实

虽然我们看到拧魔方是在实际的机械手上发生的，但实际上这一过程主要发生在模拟软件中，然后将AI从模拟中学习到的东西转移到了现实世界中。

OpenAI在机械手上用到了两大法宝：

一个是曾经打败Dota 2世界冠军团队的AI系统OpenAI Five；

另一个是自动域随机化（ADR，Automatic Domain Randomization）。

ADR会不断在仿真中生成越来越困难的环境，使系统摆脱精确模型对现实的束缚，从而使模拟环境中的神经网络能够迁移到真实世界。

这里提到的环境中的随机化是什么呢？

其中包括模拟器考虑到的物理特性（如几何形状、摩擦和重力），以及模拟器未能考虑到的一些物理效应。

比如魔方的大小，就是随机化参数之一。

△ADR在魔方大小上的应用

此外，还有照明条件之类的视觉元素、相机位置和角度、物体的材料和外观、背景纹理甚至是渲染图像的后处理效果。

研究人员表示，这项研究的重要意义在于：一旦弄清楚如何在仿真中训练这些模型，就可以有效地获取无穷数据，然后将模型迁移到机器人上，在现实世界中利用它们。

既然是用强化学习，必然会涉及到奖励机制，OpenAI团队在这个实验中定义了三个：

1. 系统当前状态与目标状态之间的差异；
2. 达成目标时给予奖励；
3. 每当手中魔方掉落时就受到惩罚。

为了系统测试每次翻转魔方成功时间，OpenAI还测量了神经网络在不同扰动下的结果，比如重置网络的内存、重置力或断开关节等等。

而且这种“训练”以虚拟仿真为主，能够在受控的环境中平均进行1万多次试验。

最初，随着神经网络成功实现更多翻转，成功的时间会不断缩短，神经网络学会了适应。

从结果上来看，机械手成功翻转魔方的时间，会越来越短。

即便添加新干扰、环境有变化，机械手也会调整策略，重新学习后迅速达到最佳基准。

所以这支神奇之手，现在究竟达到啥水平？

最最最难情况下——一方面是需要旋转26次魔方才能完成，另一方面加入最大外部扰动，机械手成功率20%。

但如果是旋转15次就能完成魔方复原的“平均情况”，机械手成功率就能稳定在60%。

值得一提的是，这也是人类在该方向上的新尝试、新纪录，打开了新前景。

腾讯AI也挑战过魔方

OpenAI挑战魔方，倒不是突发奇想。

从去年开始，他们就已经在推进前序工作，当时开发过一个灵巧的机械手系统，叫做Dactyl。

不过那时OpenAI用它“盘”木块，尺寸比现在的魔方小一些，而且也没有转动部件。

只要告诉机械手目标，不必告诉它具体操作步骤，它就能给你把木块转到指定的方向上，而且这套系统也是是在模拟器里训练出来的强化学习算法。

除了OpenAI，还有来自中国的玩家。

最知名的是腾讯。今年年初，腾讯AI与香港中文大学合作，进行了一项模拟实验。

实验有点类似OpenAI的“软件”部分：在虚拟环境中，用一只机械手解决魔方问题。

在腾讯其后发表的论文结果里：1400次试验过程中平均成功率达到了90.3％，而对AI模型再训练3万次，成功率会提高到95.2％。

而现在OpenAI更进一步。

在不牺牲准确性和鲁棒性的情况下，成功地将模拟实验转移到了现实世界的机械手上。

比喻来说，就是腾讯AI在这件事上核心练了口诀和心法，而OpenAI现在把拳脚也练完了，软硬结合，下一步会更有想象空间。

OpenAI自己也坦承，这只神奇之手，会推动通用机器人。

费钱费电：64个V100

一开始也介绍过，这项研究结果一发布，就引起网络热议。

这样一只灵活又机智的机械手，首先让网友纷纷联想到了终结者。

有网友说：

它让我感到鹅妹子嘤/瑟瑟发抖的，是它用一种让人感觉既熟悉又完全陌生的方式，在执行人类活动。

不过，比起这些，OpenAI这次的训练投入，更是每一秒都在让经费熊熊燃烧。

他们使用了64个V100和920台32核CPU的主机，并且连续训练了好几个月，这样的训练成本，就够让人瑟瑟发抖的了。

如果有人开心，那也是英伟达老板黄教主。

所以你又怎么看这项酷酷的新进展？

欢迎说说你的想法。

传送门

官方博客：

https://openai.com/blog/solving-rubiks-cube/

论文地址：

https://d4mucfpksywv.cloudfront.net/papers/solving-rubiks-cube.pdf

腾讯与港中大相关研究：

https://arxiv.org/pdf/1907.11388.pd

— 完 —