這已經(jīng)成為人們進入他們的第一套公寓的真實途徑：從一組神秘的圖片中組裝一件宜家家具，而不會讓您或有問題的物品掉落。

南加州大學的研究人員認為，還有更好的方法是用拷問教機器人來操縱周圍的世界。繼去年研究人員的腳步之后，研究人員用機器人手臂組裝了那些經(jīng)典的Stefan椅子（機器人學家喜歡宜家），他們正在向機器人技術(shù)界贈送一個新的模擬器，以訓(xùn)練機器人將廉價的瑞典家具組裝在一起。最終，他們希望機器將開始對新穎的物體采用我們自己的靈巧性和適應(yīng)性。女士們，先生們和機器人們，抓住您的內(nèi)六角扳手。

對于您和我來說，從宜家（Ikea）組裝東西既簡單又令人討厭：您為這一過程感到遺憾，但是您的大腦可以（大部分）將抽象的指令轉(zhuǎn)換為真實的東西。您遇到了各種各樣的問題，但是您的創(chuàng)造力可以輕松克服。內(nèi)六角扳手使您的手抽筋，但您的操作力無與倫比。

對于機器人來說，這完全是恐怖。當然，機器人已經(jīng)在流水線上工作了數(shù)十年，但它們只是肌肉。例如，它們將車門之類的大件抬起就位，而人類則負責精細的操作，例如擰入微小的零件。機器人的環(huán)境是高度組織化，這樣的機器從來沒有湊合，即使它們是足夠聰明的話，他們的不可預(yù)測性將會把他們的人類同事的風險。

但是，如果我們希望機器人能在我們的房屋中得到任何使用，那么它們必須更加靈活。為了使它們到達那里，也許他們需要練習建造宜家家具-這是一個多方面的問題，可以教給機器很多課程。

這些研究人員通過模擬現(xiàn)實世界的物理原理（如重力和摩擦力）來構(gòu)建3D數(shù)字游樂場。它們還可以使用諸如光照和紋理之類的變量。在這種環(huán)境下，他們將模擬不同的機器人，例如單臂索耶（Sawyer）和兩臂百特（Baxter），并讓他們玩80多種不同的椅子，桌子，書柜等。所有這些都是由游戲引擎Unity渲染的，因此我們?nèi)祟惪梢钥吹綑C器人的進度。

當Sawyer和Baxter存在于現(xiàn)實世界中并且可以在任何數(shù)量的機器人實驗室中學習時，為什么還要經(jīng)歷所有這些麻煩呢？因為讓物理的，塑料的機器人學習是一種正義的痛苦。通常，這是通過強化學習來完成的，在強化學習中，機器會嘗試不同的策略，并會獲得對良好抓地力的獎勵，對較差抓地力的懲罰。經(jīng)過無數(shù)次迭代之后，機器人終于迷失了解決方案。在模擬中，您可以旋轉(zhuǎn)數(shù)千次迭代，其速度比物理定律所允許的快得多。當然，這樣的模擬是不完美的表示，但是它們的效率要高得多。

這個宜家新奇境的想法是為機器人研究人員提供一個標準化的平臺，用于教授機器人如何操縱零件和組裝復(fù)雜的物體。USC機器人專家約瑟夫·林（Joseph Lim）說：“雖然看上去對人類來說微不足道，但不僅僅是我們抓住了一部分，我們還必須確切地知道要在哪里抓住它以及用多少力。”對于機器人技術(shù)而言，這是一個很大的開放性問題?！?/p>

然后是將一堆操作串在一起以構(gòu)造椅子的問題。各個部分必須以某種方式組合在一起，并且步驟必須以某種順序組合在一起。為此，研究人員可能會采用“模仿學習”方法，或者通過首先操縱桿來演示機器的操作方法。Lim說：“我們的目標之一是學習如何學習人類的行為。我們觀看人類如何組裝家具（例如錄像帶），然后學習如何從根本上復(fù)制或模仿家具?！?/p>

不過，不要指望機器人助手會隨您的下一張Hattefj？ll辦公椅一起提供。一方面，該系統(tǒng)尚無法模擬機器人如何將零件釘或擰在一起。南洋理工大學的工程師Quang-Cuong Pham說，還有兩個，仍然存在從模擬到真實的問題，他通過構(gòu)建宜家椅子的物理機器人進行了上述實驗。就是說，要將機器人在模擬中學到的東西轉(zhuǎn)化為現(xiàn)實技能是極其困難的。Pham說：“因此，尚不清楚物理機器人能否成功地在仿真環(huán)境中成功完成任務(wù)，例如在我們之前的實驗中?！?/p>

但是，也許經(jīng)過幾年的培訓(xùn)和不止幾把椅子折斷，我們的刨花板苦難將是機器的收獲。