Now You See That: Learning End-to-End Humanoid Locomotion from Raw Pixels
本文提出了一种端到端框架，用于实现鲁棒的基于视觉的人形机器人运动，该框架通过高保真深度仿真和行为蒸馏克服仿真到现实的差距，同时借助专门的奖励塑造和多网络学习实现多样化的地形适应。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下教一个机器人像人类一样行走。这听起来很简单，但对于机器人而言，世界却是一个充满混乱信息的雷区。如果你给机器人一张完美的、计算机生成的地面地图，它可以轻松行走。但在现实世界中，它的“眼睛”（摄像头）却杂乱无章。它们会变得模糊，会遗漏某些区域，还会错误地报告物体的距离。
这篇题为《现在你看到了》的论文，讲述的是如何仅利用机器人杂乱无章的真实世界摄像头“眼睛”，教会人形机器人自信地行走，而无需完美的地图或人类的搀扶。
以下是他们是如何做到的，通过简单的类比来解释：
1. 问题：“完美学生”与“现实世界”
通常，机器人工程师会在视频游戏（仿真环境）中训练机器人，那里的世界是完美的。机器人学会在 pristine 的数字楼梯上行走。但当他们把那个机器人放到现实世界中时，它会绊倒并摔倒。为什么？因为真实的摄像头存在“故障”（噪声、图像中的空洞、不良光照），而这些是视频游戏中所没有的。
这就像在天气完美的飞行模拟器中训练一名飞行员，然后突然把他们扔进真正的暴风雨中。他们会惊慌失措，因为真实的暴风雨感觉截然不同。
2. 解决方案 A：“假故障”工厂
为了解决这个问题，研究人员在计算机内部构建了一个超逼真的“故障工厂”。
他们不再仅仅向机器人展示清晰的图像，而是故意破坏图像，使其看起来完全像廉价真实摄像头所看到的那样。他们添加了：
- 空洞：就像摄像头无法看到无纹理的墙壁时那样（模拟“立体匹配伪影”）。
- 噪点：就像电视雪花，随着距离变远而加剧。
- 畸变：就像透过扭曲的哈哈镜看东西。
类比：想象你在学习开车。你的驾驶学校没有让你在完美、空旷的赛道上练习，而是让你坐在一辆挡风玻璃起雾、摄像头抖动、GPS 偶尔撒谎的车里。等到你参加真正的驾驶考试时，你已经精通了在任何混乱环境中驾驶。这就是这个“故障工厂”为机器人所做的一切。
3. 解决方案 B：“专业教练”团队
在平滑的山坡上行走与在陡峭的楼梯上行走不同，而跳过空隙又与这两者不同。单一的“教练”（标准的人工智能大脑）往往在试图同时学习所有这些不同技能时会感到困惑。这就像试图在一个小时内教会一个学生同时成为游泳运动员、攀岩者和马拉松选手。
研究人员给机器人配备了三位专业教练协同工作：
- 教练 1：专攻楼梯和平台。
- 教练 2：专攻跳过空隙。
- 教练 3：专攻崎岖不平的岩石地面。
类比：机器人拥有的不是普通教师，而是一支“梦之队”。当机器人看到楼梯时，它听从教练 1 的指令；当它看到空隙时，它听从教练 2 的指令。这防止了机器人在应该“迈步”时却试图“跳跃”的困惑。
4. 解决方案 C：“师生”交接
机器人分两个阶段学习，就像一位大师厨师教导学徒。
- 阶段 1（大师）：机器人首先利用“上帝视角”（完美、干净的数据）学习行走。它确切地知道每一步的位置。这就是教师。
- 阶段 2（学徒）：然后，机器人必须仅利用杂乱、充满故障的摄像头图像来学习行走。这就是学生。
学生试图模仿教师的动作，但教师看着的是清晰的地图，而学生看着的是模糊的照片。为了帮助学生，研究人员添加了一条特殊规则：“即使画面模糊，你大脑中对地面的内在感知也必须与教师清晰的感知相匹配。”
类比：想象一位大师钢琴家（教师）完美地演奏一首曲子。学生（机器人）戴着播放噪点的降噪耳机。学生必须通过感受节奏和观察大师的手来学习演奏同一首曲子，忽略耳中的杂音。研究人员教会了机器人忽略杂音，专注于核心动作。
结果：机器人实际上做了什么？
研究人员在两种不同的人形机器人上测试了这一系统。它们不仅仅在平坦的地板上行走，还攻克了“跑酷”风格的挑战：
- 长楼梯：上下行走长长的楼梯（双向）。
- 高平台：踏上台阶登上高箱子。
- 空隙：跳过地板上的宽洞。
- 碎片：走过成堆的垃圾和崎岖的岩石。
结果：
机器人成功完成了98.9%的尝试。它行走平稳，没有摔倒，并且高效地利用了能量。最重要的是，它在离开计算机后无需任何人工调整就做到了这一点。它在“充满故障”的仿真环境中学习，并立即在现实世界中完美运行。
一个小局限
论文指出了其中一个特定的弱点：走下楼梯。
虽然机器人向上走楼梯时表现完美，但向下走时稍逊一筹。
- 为什么？ 当你向下走时，重力会将你向前拉。如果你犯了一个小错误，比向上走时更难恢复。此外，机器人的脚往往会遮挡住它向下看下一级的视线，使得“充满故障”的摄像头更加困惑。
总结
这篇论文提出了一种教机器人行走的新方法，通过：
- 在训练期间伪造现实世界的摄像头错误，以免机器人感到惊讶。
- 为不同类型的地形聘请专业教练。
- 使用师生系统，将知识从完美数据转移到杂乱数据。
其结果是一个机器人，它可以观察杂乱无章的真实世界环境，并像人类一样自信地走过楼梯、空隙和岩石。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。