部署100 个机器人，执行办公室清洁等任务，谷歌母公司离“可以自己学习”的Robot还有多远？
机器人现在发展到什么程度了？
在虚幻的元宇宙高频刷屏的此刻，这个问题也几乎像一个平行的存在，吸引着我们的好奇心。因为他关乎智能生活的进程，以及让机器人为我们人类服务的质量和效率。
有这样一种观点：今天的机器人世界很像 50 年前的计算机世界。关于机器人在日常生活中可以帮助人们做些什么，有很多讨论和乐观的看法，但可以肯定的是，未来还有很长的路要走。
大多数机器人都诸如 60 年代和 70 年代的大型计算机：昂贵的专业机器，由专家操作，在专门设计的环境中执行专门的任务。
一系列创新，尤其是微处理器的发明，使计算机变得比任何人想象的更便宜、更小、更强大。而此时，我们也正处于机器人技术类似转变的节点。机器学习的最新进展，加上日益复杂先进的传感器技术和低成本硬件，意味着我们比以往任何时候都更接近让机器人成为主流。
我们知道，人类可以很自然地结合视觉、理解、导航和行动来四处走动并实现他们的目标，而机器人通常需要仔细的指令和编码来完成这些事情。这就是为什么机器人在高度多变的环境中执行我们认为容易的任务很快变得非常复杂的原因。
当下，各种居家服务、终端配送、商用清洁和引导讲解等服务领域，涌现了诸多玩家，可以说是百花齐放，纷繁多彩。但是机器人领域已经达到什么样的程度和阶段？
我们注意到AI领域天花板级别的谷歌公司，发布可一个值得关注的消息，称谷歌母公司 Alphabet 已在其办公室周围部署了100 多个自主机器人，以执行清洁、垃圾分类和其他简单任务。这个任务就承包给了这些带有机载人工智能软件的机器人、来自 Alphabet 的Everyday Robots公司，颇有养兵千日用兵一时的即视感。
我们也试图通过探寻这家极具代表性的机器人公司，来了解机器人现在所能触及到的能力和面向未来的思考。
据了解， Alphabet之所以要配置这么多的自家机器人，其目标是构建通用机器人，可以自行学习并在“非结构化”环境中处理多项任务，而不是在单个实验室环境中仅针对一项特定任务进行预编程。
现在，大约有 100 个原型正在湾区的 Google 园区中进行分类回收和擦拭桌子等工作。
之所以这么做，主要是为了让机器人在日常环境中发挥作用，需要摆脱对它们的苦心编码，而是在正确的时间以正确的方式完成特定的结构化任务。 最后得出的结论是，工程师必须教机器执行有用的任务，不能只对它们进行编程。
他们在办公区给机器人安排了垃圾分类和清洁等任务。在一个典型的办公室里，因为没有人筛选垃圾物品来检查是否存在污染，所以让机器人来做这项工作是一个很有价值的问题。现在同一个垃圾分类机器人可以配备一个吸水扒来擦拭桌子，并使用同一个抓取杯子的抓手可以学会开门。
这些机器有一个大的轮式底座，一个长柱子伸出。顶部是一个多摄像头阵列，旋转式激光雷达传感器位于下方以“了解周围的世界”。
为了让这些机器人学习如何完成这些任务，工程师使用了各种机器学习技术。其中包括模拟、强化学习和协作学习。每晚，数以万计的虚拟机器人在云模拟器中的虚拟办公室里练习垃圾分类；然后将训练转移到真正的机器人上，以提高它们的分类能力。然后将这种真实世界的训练重新集成到模拟训练数据中，并与其他机器人共享，以便与所有机器人共享每个机器人的经验和学习。
经过这样的高强度学习，现在可以在一天内学习复杂的任务（例如，打开门），成功率比五年前更高，当时抓取物体“需要四个月”。
在过去的几个月里，这些机器人已经对数千件垃圾进行了分类，并将办公室的垃圾污染水平从 20%（人们将物品放入托盘时的水平）降低到了不到 5%。
综合来看，他们表明能够创建一个机器人系统，该系统集成了机器人的所有功能，可以做一些真正有用的事情：将污染水平降低到 5% 以下，成功地将废物从垃圾填埋场转移。其次，他们证明机器人可以通过实践学习如何在现实世界中执行新任务，而不是让工程师“手工编写”每一个新任务、异常或改进。
是不是能真切的感受到这样一股来自机器人的力量，在推动着更加智能世界的到来？这背后有这样一个绕不开的公司，那就是这家叫Everyday Robots的公司。也是时候来介绍一些这个关键角色了。
他们源于谷歌的登月工厂X，是与 Google 的团队一起工作，旨正构建一种新型机器人。一个可以自己学习、可以帮助任何人（几乎）做任何事情的机器人。
他们的愿景是制造对物理世界具有变革性的机器人，就像我们的计算机在数字世界的变革力量。但要做到这一点，我们首先需要解决机器人技术中最难的问题——建造能够学习如何帮助我们处理任何事情的机器人。
今天的机器人非常擅长三件事——力量、精度和重复。但他们在其他方面真的很糟糕：理解新的空间和环境，并且做的不仅仅是一件事。简而言之，他们非常狭隘的能力来自于将他们编程为在一个环境中只解决一个问题的人。
那么如何破解，为了弥合今天的单一用途机器人和明天的辅助机器人之间的差距，他们公司正在建造生活在我们世界中并且可以自己学习的机器人。这是一项多方面的挑战，比制造自动驾驶汽车还要困难，因为机器人技术没有任何规则可循。
“我们正在远离机器人必须精心编码的世界，走向机器人可以学习的未来。”这是Everyday Robots公司一直强调的目标。
他们寻求将科幻小说中的助手机器人变成现实。这样做需要解决机器人技术中最困难的问题。一旦达成，这样就可以解决每天占用数十亿小时的小问题，并为世界各地的人们提供宝贵的时间来做可以释放我们潜力的事情。
相较于元宇宙，抛开虚拟世界，机器人或许来的更为实在，一旦技术和产品成熟，将推动人类放心的交由机器人来处理耗时的重复枯燥的日常任务。一个我们可以选择把时间花在真正重要的事情上的世界也将呼之欲出。
本文来自于公众号“新芒X”（ID：xinmangx），作者：格林，36氪授权发布。
相关推荐
母公司X副总裁亲自挂帅，谷歌新公司押注AI软件变革工业机器人
小米、网易等巨头入局的教育硬件赛道，离爆发还有多远？
外骨骼机器人离我们有多远
一个新赛道的诞生：STEAM教育在中国离爆发还有多远？
可自我组装、修复的机器人或梦想成真，变形金刚“汽车人”离我们越来越近？
100多个转基因产品获批，普及离我们还有多远？
5G毫米波离商用还有多远？
回到现实的民营航天，离商业化还有多远？
世界互联网大会现身智能质检一体机：工业智能化离我们还有多远
日产1亿只，造航母的都上了，我们离“口罩自由”还有多远？
网址: 部署100 个机器人，执行办公室清洁等任务，谷歌母公司离“可以自己学习”的Robot还有多远？ http://m.xishuta.com/newsview54396.html
