81%成功率！纽约大学研究人员推出训练家用多技能机器人的框架Dobb-E

多年来，机器人专家已经成功地将各种机器集成到我们的家中，例如洗碗机、洗衣机扫地机器人。然而，这些机器只擅长有效地执行单一任务。能够适应和学习我们的需求并保持成本效益的家庭助理----“通才机器人” 在大规模商业化方面尚未取得突破。

要使机器人成功融入家庭环境，需要让用户能够快速教授机器人新技能，满足各种家务需求。这种方法还应确保人的安全，机器人在学习新任务时不会对任何人造成伤害。最后，该方法不应对最终用户提出特殊要求，而应简化他们的生活，而不是使其更加复杂。

近日，纽约大学的研究人员推出了一种经济实惠且多功能的通用框架Dobb-E，用于有效训练移动机器人执行多种家务任务。

四个关键组成部分

数据收集工具：数据收集工具The Stick廉价但易于使用，由简单零件和iPhone构建而成。

多样化数据集：使用The Stick编译了用于训练家用机器人的新数据集，他们将其称为Homes of New York (HoNY)数据集。HoNY数据集专注于更多样化的场景和机器人行为，包含了研究人员在纽约216个家庭环境中利用智能手机收集的视频数据。

预训练模型：该模型采用最先进的自我监督学习方法MoCo-v3在HoNY数据集上进行家庭预训练。

部署方案：研究人员在真实家庭环境中进行了一系列实验，在这些实验中，他们将经过训练的算法部署在Hello-Robot机器人公司的多功能移动家庭机器人Stretch上。经过五分钟的演示和十五分钟的HPR模型调整，机器人在10个家庭被教导完成109种不同的家务活，取得了81%的成功率。

研究人员表示：“未来研究方向第一是研究连锁技能，以在家庭中完成有意义的长期任务；第二是改进机器人传感器和摇杆，迭代深度传感器，添加更多数据视图，并添加更多传感器模式，例如触摸和声音。”