為提高機器人物體堆積能力 DeepMind提出了新基準

對大多數人來說，將一個物體疊加在另一個物體上是一項簡單的任務。但即使是最複雜的機器人也很難同時處理多個這樣的任務。這是因為堆疊需要一系列不同的運動、感知和分析技能，包括與不同種類物體互動的能力。這項任務的複雜程度已使其成為機器人領域的重大挑戰。

DeepMind的一組研究人員認為，要推進機器人堆疊技術的發展，需要一個新的基準。在將於2021年在機器人學習大會(CoRL 2021)上發表的一篇論文中，他們介紹了RGB-Stacking，即讓機器人學習如何抓住不同的物體，並讓它們在另一個物體上保持平衡。雖然在文獻中已經有了堆積任務的基準，但研究人員斷言，他們的研究之所以與眾不同，是因為所使用的物件的多樣性，以及為驗證他們的“發現”而進行的評估。研究人員在論文中寫道，結果表明，模擬和真實資料的結合可以用來學習“多物件操作”。

研究人員表示：“為了支援其他研究人員，我們正在開放模擬環境的一個版本，併發布用於構建真實機器人RGB堆疊環境的設計，以及RGB物件模型和用於3D列印它們的資訊。我們還在更廣泛地開放用於機器人研究的圖書館和工具。”

據DeepMind的研究人員稱，學習過程確保機器人透過對多個物件集的訓練獲得通用技能。RGB-Stacking故意改變抓取和堆疊的特性，這些特性定義了機器人如何抓取和堆疊每個物體，這迫使機器人表現出超越簡單的拾取和放置策略的行為。

隨著機器人在堆疊和抓取物品方面變得更加熟練，一些專家認為，這種型別的自動化可能會推動製造業迎來新一輪發展。