人類會在行動之前預判他們的行動軌跡。 例如， 如果一個人要踢球， 他們可能想知道球在哪裡， 他們會根據需要移動到球的新位置。 機器人(特別是那些沒有配備高級人工智慧的機器人)通常無法做到這一點， 因為它們通常被程式設計來執行簡單的任務。
加州大學伯克利分校的一個研究小組已經確定， 讓機器人可以有這種感知能力。 為了證明這一點， 他們開發了一種新的機器人學習技術， 使機器人能夠提前思考， 以“弄清楚如何操作他們從未遇到過的物體”。
這個團隊已經把這種技術稱為“視覺預見”——但它不能給機器人預測未來的能力。
伯克利分校的研究人員將這項技術應用到名為“Vestri”的機器人上， 使其能夠預測未來幾秒鐘內的攝像頭將會看到什麼。 通過新的遠見， Vestri展示了在桌子上移動小物件的能力， 而不需要觸碰或撞倒附近的障礙物。
“以同樣的方式,我們可以想像我們的行動將移動物體在我們的環境中,這種方法可以使一個機器人視覺化不同的行為將如何影響周圍的世界,”解釋謝爾蓋·萊文伯克利分校助理教授的電氣工程和電腦科學系的——背後的實驗室技術的發展。 “這可以在複雜的現實環境中實現高度靈活的智慧規劃。 ”
視覺預測是基於“卷積反復的視頻預測”， 即動態神經平流(DNA)。 根據該團隊的研究， 基於DNA的模型能夠預測圖像中的圖元如何根據機器人的行為從一個幀移動到另一個幀。 作為Levine實驗室的一名博士生， 同時也是原始DNA模型的發明者的切爾西·芬恩(Chelsea Finn)解釋說， 像Vestri這樣的機器人現在可以“完全依靠自己學習一系列的視覺物件操作技能”。
弗雷德里克·埃伯特(Frederik Ebert)是Levine實驗室的一名研究生， 他參與了這個專案， 將他們的工作與機器人的工作進行了比較， 以使人類學會與環境中的物體進行互動:
Ebert說:“人類在一生中通過與各種各樣的物體互動， 而沒有任何老師來學習物件操縱技能。 ”“我們已經證明， 建立一個機器人系統， 也可以利用大量的自主收集的資料來學習廣泛適用的操作技巧， 特別是物件推動技能。 ”
Levine注意到，
在此之前， 這項技術需要各種改進， 比如更精細的視頻預測和收集更具體視頻資料的方法。 在這些改進之後， 機器人可以執行更複雜的任務， 如升降、放置物體或處理柔軟易變形的物體， 如布或繩子。 也許有一天你甚至不需要自己疊衣服——你的機器人助手可以幫你洗衣服。