WetRobo: A Reproducible Robot Kit for Coding Agents in Biological Laboratories
本文介绍了 WetRobo，这是一种可复现的机器人套件，它使编码智能体能够通过编写并执行代码，自主地在不同实验室中适配并执行自然语言描述的生物任务，从而克服了传统视觉-语言-动作策略的迁移局限性。
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
在生物实验室静谧的嗡嗡声中，大量的研究工作依赖于人类研究员稳定且重复性的双手。他们喂养细胞、移动精细的玻璃器皿，并打开孵育器沉重的门，这些任务必须日复一日地精准执行。几十年来，科学家们一直希望将这些职责交给机器人，从而让专家能够专注于发现而非体力劳动。最近最受关注的方法是依靠人工智能系统，通过训练使其能够观察世界并在其中行动，就像人类通过观看视频学习新技能一样。这些系统通常被称为视觉-语言-动作模型，通过向它们展示数千个机器人手臂移动瓶子或抬起盖子的示例来进行教学。人们希望一旦经过训练，机器人只需观察新情况就能知道该做什么。然而，在实验室这种充满变数的现实环境中——光照会变化，设备各异，物体放置的位置也略有不同——这些经过训练的系统经常会出错。一个在某个房间里掌握了任务的机器人，在移动到下一个房间时可能会完全失败，因为细微的变化会干扰它所学习到的模式。这种脆弱性使得许多实验室一直在等待一种更具适应性的解决方案。
一组研究人员现在提出了一条不同的前进路径，他们称之为 WetRobo 系统。他们并没有试图训练机器人去记忆一组特定的动作，而是构建了一个套件，允许计算机程序在现场自行编写指令。该套件包括一个标准的机器人手臂、常见的实验室设备（如孵育器和试剂瓶）以及一组展示人类如何执行任务的录制视频。至关重要的是，它还包含一本用通俗语言编写的指南，指导一个“编码代理”（coding agent）如何处理这项工作。这个代理是一种能够编写计算机代码的人工智能。当研究人员给机器人下达一个简单的自然语言指令，例如“拿起瓶盖”时，该代理会观察局部环境，查阅指南，并编写一个定制程序来解决问题。它不依赖于一个可能会因相机角度变化或不同品牌抓取器而感到困惑的预训练“大脑”。相反，它会观察场景，测量距离，并不断调整自己的代码，直到任务完成。
研究人员在两个不同的实验室中测试了这种方法，他们分别称之为实验室 X 和实验室 Y。这两个房间并不相同：它们的光照不同，摄像头的数量不同，甚至连机器人的抓取器类型也不同。在一次实验中，机器人被要求取下试剂瓶上的螺旋盖。使用 WetRobo 套件的编码代理成功摸索出了如何在两个实验室中抓取并旋转瓶盖的方法。它是通过编写一段代码来实现的：利用摄像头定位白色瓶盖，测量其距离，然后根据观察到的情况调整动作。在实验室 Y 中，由于机器人使用的是标准抓取器，代理编写了一个程序，如果感觉到阻力过大则停止动作。而在实验室 X 中，由于机器人使用的是一种无法以同样方式测量力的定制抓取器，代理则编写了另一个程序，依靠视觉检查和模拟碰撞来避免错误。结果显示，机器人能够调整自己的指令以适应其所在的特定房间。
为了评估这种方法的有效性，研究人员将其与传统的基于视觉的模型训练方法进行了对比。他们选取了一个在实验室 X 的数千个视频演示中经过微调的系统，并要求它执行同样的瓶盖任务。在它接受过训练的实验室 X 中，该系统表现完美。但当同一个系统被移至实验室 Y 时，面对不同的光照和设备，它完全失败了。它无法将知识迁移到新的环境。相比之下，编码代理在两个地方都取得了成功。它不需要重新训练，也不需要展示新的视频；它只需观察新房间并编写一套行之有效的指令即可。研究人员还在其他任务上测试了该系统，例如从培养皿中拿起盖子以及打开沉重的孵育器门。在每种情况下，代理都会观察局部条件，编写代码来处理门或培养皿的具体几何形状，并成功执行任务。
这种适应过程在代理生成的代码中清晰可见。当机器人难以将抓取器与瓶盖对齐时，代理会编写一段小程序来测试动作，检查摄像头图像，然后调整接近路径。如果机器人打滑，代理会重写代码以包含一个更慢、更谨慎的拉取动作。在一次案例中，代理意识到孵育器门上的阴影误导了它的视觉，因此它编写了一个新程序，利用深度数据而非光线来测量门的倾斜角度。这种检查自身错误并重写逻辑的能力，使机器人能够克服那些会让预训练系统陷入困境的挑战。研究人员注意到，代理经常复用之前为其他任务编写的代码片段（例如抓取细长物体的逻辑）来解决新问题。这意味着随着机器人在实验室中的工作，它建立了一个可供分享的有用指令库，从而使未来的设置变得更快、更容易。
这项工作为将机器人技术引入生物研究提供了一条切实可行的路径。与其要求每个实验室都要收集数小时的视频数据并为每个新机器人训练昂贵的神经网络，科学家们可以分发一个套件，并让编码代理将其适配到本地环境。研究人员证明，这种方法可以让机器人处理导致传统系统失效的现实世界中的设备和光照变化。尽管该研究目前仅限于几个特定任务和一种类型的编码代理，但其结果指向了一个未来：机器人可以在无需大规模重新训练的情况下部署在多样化的环境中。核心发现是，赋予机器人根据所见内容自行编写指令的能力，比尝试教它一套固定的动作，是应对实验室多变本质的一种更稳健的方式。通过将适应的负担从人类训练者转移到软件本身，WetRobo 提供了一种让实验室自动化变得更加灵活、易得且准备好应对真实世界的方法。
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。