TRI通过突破性的扩散策略AI革新机器人技能

在增强机器人能力方面迈出了重要一步，丰田研究所（TRI）宣布了一项名为Diffusion Policy的开创性生成AI技术。这种创新方法使机器人能够迅速掌握新的复杂技能，从而扩大其在各种应用中的实用性。这一发展让人联想到大型语言模型（LLMs）对对话AI产生的变革性影响。

TRI首席执行官兼丰田汽车公司首席科学家Gill Pratt强调了研究所通过机器人技术放大人类潜力的承诺。他表示：“我们的机器人研究旨在放大人的能力，而不是取代人。这种新的教学技术非常高效，并能产生非常出色的行为，使机器人能够以更有效的方式在许多方面放大人的能力。”

以前，教机器人新行为是一个繁琐且往往效率低下的过程，进展缓慢且适用范围有限。机器人学家通常必须花费大量时间编写复杂的代码，或者依赖无数次的试错迭代来编程所需的行为。然而，TRI的突破性方法改变了这一局面。

TRI已成功使用Diffusion Policy方法教授机器人超过60种复杂和灵巧的技能。这些技能涵盖了广泛的活动，包括倒液体、使用工具和操纵可变形物体。值得注意的是，这些成就无需编写新指令即可实现；唯一的要求是向机器人提供新数据。在此基础上，TRI设定了雄心勃勃的目标，计划在年底前教授数百种新技能，并在2024年底之前教授令人印象深刻的1,000种技能。

今天的公告强调了机器人适应新场景和执行多样化行为的 versatility。这些能力超出了简单的“拾取和放置”任务，允许TRI的机器人以丰富多样的方式与世界互动。这种 versatility 是使机器人能够在日常情况和不可预测、不断变化的环境中支持人类的重要一步。

TRI机器人研究副总裁、麻省理工学院（MIT）电气工程和计算机科学、航空航天和机械工程的Toyota教授Russ Tedrake对这一进展表示兴奋。他指出：“我观察到的机器人执行的任务简直令人惊叹；即使一年前，我也无法预测我们已接近这种多样化的灵巧水平。”Tedrake博士强调了新方法的卓越之处：它能够快速且可靠地获取新技能，即使在涉及可变形物体、布料和液体的任务中，这些任务历来给机器人带来了重大挑战。

革新机器人技能获取

TRI的机器人行为模型通过人类教师的手势演示和所需目标的语言描述相结合进行学习。随后，采用基于AI的扩散策略来促进所演示技能的学习。这一过程使得基于数十次演示自主部署新行为成为可能。值得注意的是，这种方法始终提供可重复且高性能的结果，所有这些都以令人印象深刻的速度完成。

Diffusion Policy方法是TRI与哥伦比亚大学Song教授小组合作的成果，代表了一种强大的生成AI技术，用于行为学习。它通过演示简化并加速了教授机器人新行为的过程。

TRI的机器人平台是专为灵巧双臂操作任务而定制的，特别注重实现触觉反馈和触觉感知。这一专用平台为TRI在扩展机器人能力方面取得的成就奠定了基础。

展望未来，TRI决心继续推动机器人技术的边界。该研究所已经展示了获取60种灵巧技能的能力，并计划在今年年底前教授数百种更多技能，目标是在2024年底之前达到令人印象深刻的1,000种技能。这种对快速进步的承诺凸显了TRI通过机器人技术放大人类潜力的决心。

安全是TRI机器人工作的核心

安全始终是TRI机器人工作的首要关注点。该研究所通过Drake框架及其定制的机器人控制堆栈，在其系统中集成了强大的安全措施。这些措施确保TRI的机器人遵守安全保证，例如避免与自身或环境发生碰撞。

突破性的扩散策略（Diffusion Policy）方法已在2023年机器人科学与系统会议上发表，提供了这项开创性技术的技术细节。更多信息可在TRI的Medium博客上找到。

要了解这一机器人领域的突破性进展，有兴趣的人士可参加10月4日下午1点至1:30（东部时间）/上午10点至10:30（太平洋时间）的LinkedIn直播问答环节。本次环节将提供直接向TRI机器人研究团队提问的机会。如需参加，请在TRI的LinkedIn页面上注册活动。

丰田研究院（TRI）处于旨在增强人类能力研究的最前沿，重点关注提高安全性和可持续性。在Gill Pratt博士的领导下，TRI的研究团队在能源和材料、以人为本的人工智能、人机交互驾驶、机器学习和机器人技术方面开创了新的进展。TRI成立于2015年，在加利福尼亚州洛斯阿尔托斯和马萨诸塞州剑桥设有办事处，继续推动机器人领域的创新与进步。