烹饪完美热狗的机器学习机器人

渴望从新鲜烤的棒球场坦率地咬一口?两个名为Jaco和Baxter的机器人可以一起使用。波士顿大学的工程师在使用机器学习来教机器人执行复杂任务方面取得了飞跃，该框架可以应用于许多任务，例如识别乳房X线照片上的癌点或更好地理解播放音乐的语音命令。但是首先，作为概念证明，他们已经学会了如何准备完美的热狗。

研究人员仍然无法完全完全理解机器学习算法的方式，那就是学习。这个盲点使得很难将这项技术应用到复杂的，高风险的任务中，例如自动驾驶，而这是安全性所关注的。BU大学工程学院教授CalinBelta在《科学机器人》杂志上发表的论文向前迈进了一步，他的实验室的研究人员教了两个机器人一起煮饭，组装和服务热狗。他们的方法结合了机器学习和形式化方法中的技术，形式化方法是计算机科学领域，通常用于保证安全，尤其是在航空电子或网络安全软件中。这些不同的技术很难在数学上进行组合，也很难将其组合成机器人可以理解的语言。

机械，系统以及电气和计算工程学教授贝尔塔(Belta)和他的团队采用了机器学习的一个分支，即强化学习。当计算机正确完成一项任务时，它将获得指导其学习过程的奖励。尽管以“先验知识”算法概述了任务的步骤，但是如何准确地执行这些步骤却没有。当机器人擅长执行某个步骤时，其奖励会增加，从而创建一种反馈机制，促使机器人学习最佳方法，例如将热狗放在面包上。

将先验知识与强化学习和形式化方法相结合是使该技术变得新颖的原因。通过结合这三种技术，团队可以减少机器人学习安全烹饪，组装和服务热狗所必须经历的各种可能性。Belta认为这项工作是其总体框架的概念验证，他希望今后可以将其应用于其他复杂任务，例如自动驾驶。