14、机器人学习：操控机械臂与语音交互

机器人学习：操控机械臂与语音交互

1. 机器人机械臂的机器学习方法

1.1 编程与参数调整

编程难度不算高，我们可以花些时间调整遗传算法的参数来改进过程。比如，尝试更小的种群规模，或者改变适应度标准，通过不断尝试来探索更多可能。

1.2 其他研究方向

1.2.1 开发与探索的平衡

在理解机器人运动时，要考虑开发与探索的平衡。开发是让机器人尽快达到目标，探索则是利用机器人周围的空间尝试新事物。路径规划程序可能会陷入局部最优，而忽略了更好的解决方案。

1.2.2 示范学习

除了自我探索式的训练，还可以让机器人通过观察人类执行相同任务来学习，即示范学习。

1.3 Google的SAC - X方法

Google针对机械臂问题采用了不同的方法。在SAC - X（Scheduled Auxiliary Control）程序中，他们认为为机械臂的每个动作分配奖励点很困难。因此，将复杂任务分解为较小的辅助任务，并为这些支持任务分配奖励点，让机器人逐步应对复杂挑战。例如，用机械臂堆叠积木时，可将拿起积木、手持积木移动等分别作为不同任务。若只对堆叠积木这一主要任务进行强化学习，会面临“稀疏奖励”问题，即机器人可能要经历数千次失败尝试才能获得一次成功奖励。

1.4 亚马逊机器人挑战赛

亚马逊拥有大量商品，他们希望将货架上的物品快速放入小盒子以便发货。为此，亚马逊举办了机器人挑战赛，邀请大学团队使用机械臂从货架上拾取物品并放入盒子。由于亚马逊销售的商品种类繁多，这是一项极具挑战性的任务。2017年，澳大利亚昆士兰的一个团队