前 言

一年前我們曾探討過Robot Learning的發(fā)展>>梳理 | 機器人學習(Robot Learning)的發(fā)展，那么經過近一年的發(fā)展，Robot Learning也有了很多新的進展，特別在Meta Learning上。不過今天我們先來專門探討Robot Learning中的一個具體應用，也就是機器人抓取Robotic Manipulation/Grasping。為什么專門考慮這個問題？因為這個是體現(xiàn)機器人智能目前最亟待解決的問題之一。

我們可以考慮一下家用機器人需要具備什么樣的智能？可以說最主要就是要具備兩方面的能力，一個是移動導航能力，另一個就是機械臂的抓取能力。所以像下圖這個Fetch機器人其實就滿足了家用機器人所需的硬件了。我們今天不談移動導航的問題，只來談談機器人抓取這個問題的研究前沿。

對于機器人抓取，其實本身有很多研究的具體問題和方式，比如目前抓取No.1的系統(tǒng)是伯克利的Dex-Net 4.0，有興趣的朋友可以看看這篇報道：Exclusive: This is the most dexterous robot ever created，但是Dex-Net 并不是一個端到端的深度學習系統(tǒng)，它只是用神經網絡來對抓取的位置進行估計， 然后通過planning的方式來抓取，本質上是一個開環(huán)控制系統(tǒng)。這樣的系統(tǒng)對于完全靜態(tài)簡單的物體是沒問題，但是如果物體有阻擋，有改變，那這個系統(tǒng)就比較難處理了。所以，鑒于本專欄的偏好是通用人工智能AGI，我們在這里只想關注一種解決機器人抓取的方式，那就是：

End-to-End Vision-Based Robotic Manipulation 端到端基于視覺的機器人抓取

我們希望整個機器人抓取過程都是機器人自己學到的！這就非常近似于人類的行為！

那么有了這個主題，我們就來看看這方面的研究都有誰，基本上可以說就集中在兩個團隊：

1）Google Brain Robotics團隊

2) 伯克利Sergey Levine團隊

除此之外，Deepmind，OpenAI，Stanford的Li Fei-Fei團隊還有CMU的Abhinav Gupta團隊有一些亮眼的研究，但并沒有特別專注在Robotic Manipulation這個問題上。然后實際上Google Brain團隊Sergey Levine也在其中，所以接下來我們看到的paper基本上都出自Sergey Levine之手！

Paper List

[1] Sadeghi, Fereshteh, et al."Sim2real view invariant visual servoing by recurrent control."arXiv preprint arXiv:1712.07642(2017).

[2] Riedmiller, Martin, et al."Learning by Playing-Solving Sparse Reward Tasks from Scratch."arXiv preprint arXiv:1802.10567(2018).

[3] Quillen, Deirdre, et al."Deep Reinforcement Learning for Vision-Based Robotic Grasping: A Simulated Comparative Evaluation of Off-Policy Methods."arXiv preprint arXiv:1802.10264(2018).

[4] Haarnoja, Tuomas, et al."Composable Deep Reinforcement Learning for Robotic Manipulation."arXiv preprint arXiv:1803.06773(2018).

[5] Fang, Kuan, et al."Learning Task-Oriented Grasping for Tool Manipulation from Simulated Self-Supervision."arXiv preprint arXiv:1806.09266(2018).

[6] Kalashnikov, Dmitry, et al."QT-Opt: Scalable Deep Reinforcement Learning for Vision-Based Robotic Manipulation."arXiv preprint arXiv:1806.10293(2018).

[7] Matas, Jan, Stephen James, and Andrew J. Davison."Sim-to-Real Reinforcement Learning for Deformable Object Manipulation."arXiv preprint arXiv:1806.07851(2018).

[8] OpenAI"Learning Dexterous In-Hand Manipulation"(2018).

上面這些paper大致是近一年來比較重要的和robotic manipulation直接相關的paper了，由于本人主要關注Sergey Levine團隊的成果，可能會疏忽掉其他工作，如果有知友有好的相關paper推薦，歡迎在本文下留言，謝謝！

本文不打算具體的分析每一篇paper，而是從整體上對于目前機器人抓取的研究進展做一個整體的分析。

機器人抓取的研究進展整體分析

目前機器人抓取或者整個機器人學習的研究其實核心在于三個方面：

1）算法層面

2）sim-to-real 從仿真到真實環(huán)境的遷移

3）應用層面

首先是算法層面，我們希望DRL算法在機器人抓取上能夠有更高的效率，更快的學習速度，以及處理更困難的學習任務。因此在上面的paper list中，[3] 對多種DRL off-policy的算法進行評估，[6] 則使用其中一個算法在真實場景中做大規(guī)模的實驗 [4] 則基于soft q-learning使得機器人具備更強的exploration能力 [2] 則研究通過auxiliary rewards 來處理復雜機器人學習任務中reward過于稀疏的問題。

接下來是仿真環(huán)境到真實環(huán)境的遷移問題。由于真實機器人實驗不方便并且實驗成本很高，使得從仿真遷移到真實成為一種幾乎必然的選擇 （Google那種機器人農場的方法畢竟不是每個人都能干的），因此很多研究的重點都在于仿真到真實的遷移，比如[1] 通過多視角來研究sim2real [7] 則在仿真環(huán)境中研究非剛體的物體操作 [3] 提出來一個面向機器人抓取的仿真benchmark，對于機器人抓取的研究能夠起到很大的促進作用。

最后是應用層面，大家不僅僅關注簡單的普通的機器人抓取問題，也考慮更復雜的manipulation問題，也因此，有了[8] OpenAI 剛剛出爐的機器手玩方塊的成果， [5][7]研究更復雜機器人抓取問題。

那么對于這三方面，到底有什么重要的研究進展呢？我們先來單獨分析一下OpenAI這個最新成果.

3 Learning Dexterous In-Hand Manipulation

這兩天OpenAI剛出來的成果，使用DRL實現(xiàn)機械手靈巧操作方塊，雖然這個工作面向的不是抓取，但是方法論上是完全相同的，這篇文章對于機器人抓取問題具有很強的借鑒意義。

1）這篇文章的成果：通過DRL算法PPO完全在仿真環(huán)境中訓練機械手玩方塊，將訓練好的模型直接遷移到真實場景中取得成功，并且整個訓練不帶人類的演示demo，完全根據(jù)reward自學完成，而最后的實現(xiàn)效果竟然和人類的行為非常接近，很像人的操作。

2）取得如此成功的原因：（1）高度仿真的系統(tǒng)，和真實環(huán)境非常接近，reality gap比較小 （2）使用仿真環(huán)境隨機化這個技巧來大幅度拓展仿真環(huán)境的范圍，使得神經網絡學習后能夠適應各種場景，當然就包括真實場景了。這種隨機化包含比如不同的摩擦力，不同的演示，不同的攝像頭角度等等 （3）大規(guī)模分布式并行訓練，使用了幾百臺機器6144個cpu來運行分布式仿真環(huán)境收集數(shù)據(jù)，然后用一臺8GPU的V100來訓練模型，就像標題說的，等價于訓練了100年.

3）啟發(fā)：（1）DRL能夠通過學習學到傳統(tǒng)非學習算法根本做不到的效果，端到端神經網絡化必須是機器人的未來！（2）仿真環(huán)境超級重要，隨著技術的發(fā)展，仿真肯定可以做的越來越好，這就意味的未來的機器人必然會是在仿真中進行訓練的，成本低，速度快，何樂而不為。（3）大規(guī)模的計算能夠直接彌補DRL sample inefficiency的問題，反正只要有足夠的設備，一天訓他原來要1年的東西，數(shù)據(jù)堆上去，就能做出來。

進一步分析

上一小節(jié)我們簡單的分析了一下OpenAI這個很酷的工作，但是我們能得到的結論就是：這更多的是工程上的勝利，而非算法上的勝利。算法依然是PPO，并沒有實質性的變化。

同樣的，之前Google在機器人抓取的重要進展[6]QT-Opt 將端到端機器人抓取的效果提升了一大截，但是我們具體分析它里面的算法就會發(fā)現(xiàn)算法上只是Q-Learning的一個變種，相比于DDPG，不使用Actor Network，而通過進化算法CEM來獲取actor，能夠使訓練更穩(wěn)定，并且方便于做大規(guī)模分布式訓練。

對于[6]和[8]，其實我們都發(fā)現(xiàn)大規(guī)模分布式學習對于性能提升的重要性，這當然也完全符合深度學習的情況，只要有數(shù)據(jù)和高性能計算，就能把性能堆出來。由于深度增強學習存在比監(jiān)督學習大的多的sample inefficiency問題，所以實際上深度增強學習要能work，需要的數(shù)據(jù)量會比監(jiān)督學習如imagenet還要大的多。也因此，我們看到AlphaGo，OpenAI的機器手，OpenAI的Dota，都動用了巨量的計算資源。一個小小的機器手，卻使用了6144個CPU和8個V100 GPU來訓練，這也是非常空前的事情。

下一步呢？

有兩點是非常容易預測的：

1）未來必然會出來更多更好的仿真環(huán)境。這一年來的研究可以說就是比較明確的肯定仿真直接遷移到真實環(huán)境的可行性，那么就沒有理由更進一步的去開發(fā)更真實的仿真環(huán)境。

2）更快更強的分布式學習系統(tǒng)。這個就更不必說了，這是推動機器人學習進展的燃料。

有了上面這兩點，即使保持現(xiàn)有的算法不變，我相信都可以訓練出比現(xiàn)在更強或者更復雜的機器人學習成果，端到端基于視覺的機器人抓取直接推到99%以上的準確率是完全可能的，這就趨于商用了。

那么算法層面又該如何發(fā)展呢？

我們需要更復雜任務Task的牽引。比如我們需要雙機械臂的協(xié)作抓取，這就涉及到multi-agent robot learning。比如我們需要機器人能夠完成一個更長的任務系列，這需要Hierarchical Reinforcement Learning的研究。比如我們需要機器人能夠同時完成多個任務，那這就需要multi task learning。比如我們希望機器人的generalization能夠更強，能夠處理沒看過的物體，那么這就需要Meta Learning的研究，那么這塊現(xiàn)在特別火了。比如我們需要機器人能夠快速的學習新任務，這就需要Continual Learning，Meta Learning，如果是要求通過模仿學習來實現(xiàn)，那就需要imitation learning。

這里我推薦大家可以閱讀第一屆CoRL整理出來的問題，從這里我們反而會覺得現(xiàn)在的Robot Learning真的是剛剛開始，現(xiàn)在研究的問題也太過于簡單了。

https://docs.google.com/document/d/1biE0Jmh_5nq-6Giyf2sWZAAQz23uyxhTob2Uz4BjR_w/edit

現(xiàn)在到了2018年才有了一個機器人抓取的benchmark，未來相信會有更多的benchmark出現(xiàn)來推動這個領域的發(fā)展。

最后小結

本文沒有詳細的分析每一篇paper的具體idea，而是比較寬泛的分析機器人抓取及機器人學習的整體研究進展?？偟膩碚f，對于機器人抓取這個具體問題，從工業(yè)應用上看將可以很快看到落地，要在仿真系統(tǒng)研發(fā)上推，在大規(guī)模分布式學習上推，核心確實在于工程實現(xiàn)上。而對于學術研究，最關鍵的是去定義新的task，新的benchmark，從而在新task的基礎上去推動算法層面和應用層面的發(fā)展。