人工智能研究人员通过将机器人的魔方交给他来测试机器人的灵活性

 
人类可以相对轻松地操纵Rubik的立方体，但机器人历史上更难以操作。 (经典的2 x 2 x 2立方体有3,674,160个内部配置。)这并不是说规则没有例外 – 麻省理工学院的发明最近在破纪录的0.38秒内解决了一个立方体 – 但它们通常涉及专门建造电机和控制器。
令人鼓舞的是，腾讯和香港中文大学的一组研究人员说他们设计了一个使用多指手的魔方操纵器。在预印本服务器Arxiv.org上的一篇论文(“学习用灵巧的手解决魔方”)，他们声称他们的AI驱动系统 – 包括一个识别最佳移动序列的立方体求解器和一个控制的立方体算子五指 – 在1,400次试验中平均成功率达到90.3%。
该团队的解决方案是一个分层系统，它结合了基于模型和无模型的计划和操作组件。上述立方体求解器找到用于恢复Rubik立方体的最佳移动序列，而控制器 – 由两个原子动作，立方体旋转和逐层操作组成 – 逐步执行每个移动。
该团队指出，运动学和关节运动使得一些动作比其他动作更难完成。为了定量比较它们的可靠性，他们分别训练了几个模型。为了提高立方体旋转和逐层操作的稳健性，这些操作是在没有反馈信号的情况下顺序执行的，它们实现了一个回滚机制，可以检查每个步骤中Rubik立方体的状态。
该团队使用Roboti的Multi-Joint动力学与Contact(Mujoco)，这是一个专为机器人和生物力学研究和开发而设计的物理引擎，以验证他们的方法。在Mujoco内，他们敲击了一个灵巧的人体大小的操纵器，名为Shadow Hand，它有中指和无名指，每个指有三个驱动和一个欠驱动关节，一个小手指和拇指有五个驱动关节(加上一个带有两个驱动关节的手腕)。在一个实验中，Shadow Hand的任务是操纵虚拟魔方以实现目标姿势，而在另一个实验中，它必须操纵两个层以达到目标角度。
研究人员报告说，他们的模型管理稳定的立方体旋转成功率超过90%(他们在训练30,000集后增加到95.2%)，平均分层操作成功率为90.3%(随机区块为1000次)构成)。他们说，通过联合优化两个原子操作并在真实硬件上部署系统，可以进一步提高性能。