旧金山—— 人工智能领域再迎突破性进展！由著名人工智能科学家李飞飞领衔的研究团队，近日发布了其在“具身智能”领域的最新研究成果——BEHAVIOR Robot Suite (BRS)。这一综合性框架旨在赋予机器人掌握多样化家庭任务中移动全身操作的能力，预示着未来机器人或将真正走进千家万户，承担起繁琐的家务劳动。
长期以来，让机器人能够像人类一样在复杂多变的家庭环境中自主完成任务，一直是机器人学习领域的一项“圣杯”级挑战。李飞飞团队此次发布的BRS，正是为了攻克这一难题。通过BRS，机器人不仅可以完成倒垃圾、摆放衣物等简单任务，甚至能够胜任清洁马桶等较为复杂的家务。
那么，BRS是如何让机器人变得如此“全能”的呢？研究团队认为，机器人需要具备三项关键的全身控制能力：双手协调、稳定精确的导航以及广泛的末端执行器可达性。例如，搬运重物需要双手协调操作，而在房屋中寻找工具则依赖于稳定精确的导航。更复杂的任务，如一边拿着杂货一边开门，则需要同时运用这两种能力。
为了应对这些挑战，研究团队在机器人硬件设计上进行了精心设计，配备了双臂、移动底座和灵活躯干，以实现全身操作。然而，这种复杂的设计也给策略学习方法带来了挑战，尤其是在数据采集规模化和全身协调动作方面。
BRS 的核心创新在于两项关键技术：JoyLo（Joy-Con on Low-Cost Kinematic-Twin Arms）和 WB-VIMA（Whole-Body VisuoMotor Attention）。
- JoyLo：低成本高效的远程操作界面
为了实现对高自由度移动机械臂的流畅控制，并为后续策略学习收集数据，研究团队推出了 JoyLo。这是一个经济实惠的全身远程操作界面，成本仅不到 500 美元。通过JoyLo，研究人员可以高效地控制机器人，并收集高质量的示范动作，从而提升策略学习效果。
- WB-VIMA：模仿学习算法，实现全身动作协调
WB-VIMA 是一种模仿学习算法，旨在通过利用机器人的固有运动学层次结构来建模全身动作。该算法能够精确协调机器人各个关节之间的动作，实现更同步的全身运动。此外，WB-VIMA 还通过自注意力动态聚合多模态观察，使其能够学习表现力强的策略，同时减轻对本体感知输入的过拟合。
为了验证BRS的有效性，研究团队进行了一系列实验，结果表明：
- BRS 适用于各种家庭任务，如扔垃圾、打扫餐桌等。
- JoyLo 能够为策略学习提供高质量的数据，其整体任务成功率是 VR 控制器的 5 倍，中位完成时间缩短 23%。
- WB-VIMA 优于基线方法，能够有效提升机器人的任务完成能力。
李飞飞团队的这项研究成果，无疑为具身智能领域的发展注入了新的活力。随着技术的不断进步，我们有理由相信，在不久的将来，机器人将能够真正走进我们的生活，成为我们得力的家务助手。
参考文献：
- BEHAVIOR Robot Suite 论文主页: https://behavior-robot-suite.github.io/
- JoyLo 物料清单: https://behavior-robot-suite.github.io/docs/sections/joylo/overview.html#bill-of-materials-bom
- JoyLo 组装说明: https://behavior-robot-suite.github.io/docs/sections/joylo/stepbystepassemblyguidance.html
作者注： 本文基于机器之心报道的李飞飞团队“具身智能”最新研究撰写，力求客观、准确地呈现研究成果。作为一名资深新闻记者和编辑，我将持续关注人工智能领域的发展动态，为读者带来更多深入、专业的报道。
Views: 0