卡内基梅隆大学的机器人研究所（Carnegie Mellon University's Robotics Institute）近年正在研究一个机器人视觉系统，采用此系统的机器人能够通过计算机视觉主动探索身边的物件。通过不断地学习认知新事物，观察不同物体的摆放位置、尺寸、形状、能否被移动，机器人们能不断形成并完善对事物的认知。研究人员希望，这种机器人在技术成熟后能够成为人们在居家生活中的机器人管家。
此项目被命名为“机器人毕生物体探索"（Lifelong Robotic Object Discovery，简称LROD），科学家们让这些长有双臂，靠车轮移动的机器人凭借彩色摄像机、Kinect深度相机收集图像数据，再结合非视觉性的信息对常见的家居用品形成基本认知。在一个仿照日常居家环境的实验室中，试验机器人HERB（缩写自家用机器人管家，Home Exploring Robot Butler）已经能够识别100余种日常物件，其中包括计算机显示器、植物和各种食物。
Herb能够通过形状、位置和能否移动等信息自动识别物体。图片来自CMU
此机器人视觉系统名为HerbDisc，正是HerbDisc赋予了HERB主动认知世界的能力。在此之前，科学家需要手动建立不同物体的3D模型和图像信息，再输入到HERB的内存中，机器人才能明白“杯子”和“香蕉”是不一样的。HerbDisc的存在省略了传统繁琐的人工操作，让机器人开始主动认识这个世界。通过下面这个视频，我们可以了解到HERB眼中的世界是怎样的。
科学家们研究HERB的目的是通过这些拥有照顾人们日常起居能力的机器人，来改善老弱病残人群的生活质量。也就是说，机器人需要具备识别物体、理解物体功能并操作物体的能力，而HERB在自主学习中掌握的能力也正逐步靠近这一高要求。
研究人员表示，他们对机器人在研究过程中展现出的学习能力诧异不已。私人机器人实验室（Personal Robotics Lab）负责人、卡内基梅隆大学副教授Siddhartha Srinivasa回忆，有一天学生们吃完午饭遗落了一个菠萝和一袋百吉饼在实验室，等到第二天大家回到实验室时，他们发现HERB已经主动建立了菠萝和百吉饼袋的数字模型，并且已经学会了如何将这两种东西拿起来。“连我们都不知道菠萝和百吉饼在实验室，但HERB知道。”Srinivasa表示，“这太奇妙了。”
如果想让机器人管家成为现实，那么这些机器生物就必须能够明白数百种常见居家用品的用途，至少要能妥善地将其移动。如果没有主动学习能力，这个庞大的数据工程就必须依赖人类手动完成，这种做法很不现实。“老奶奶们可没法完成这样的工作”，斯里尼维沙补充道。
对于计算机视觉的研究者而言，计算机物体识别向来是一个难啃的骨头。在杂乱的环境中，指望机器人仅凭图像数据识别物体是相当困难的。人类婴儿在探索世界时，使用的也不仅仅是一双眼睛。孩子会把橡皮鸭丢进水盆、泡在水中、用手积压、甚至放进嘴里，机器人探索世界也是在多种传感器的共同作用下完成的。在所有“领域知识（domain knowledge）”中，最为重要的当属HERB配置的Kinect传感器提供的三维模型。
LROD项目参与者、计算机视觉专家Hebert表示，Kinect传感器帮助机器人建立起不同物体的3D模型，而不同家居用品的3D模型基本都不一样，这为机器人分辨不同物体提供了一个很好的评判标准。
同时，HERB还会观察不同家居用品的空间位置，是放在桌上、放在地上还是放在橱柜里，是否会自主移动，是否能够被搬动。HERB还会尝试着能否把某件物体举起来，并能够记录下某个居家用品是否会在特定时间出现在特定位置，这些信息都是它进行学习的数据基础。
斯里尼维沙表示，它们曾给HERB看视频：“HERB第一次看视频的时候，图像信息让它以为这些都是物品”，但在其他传感器的协作下，HERB明白了这些都不是物品。研究人员发现，为HERB的视频输入添加领域知识能够使HERB的处理速度变快，能够识别的物件数量也上升了接近两倍。
HERB目前的能力还有待提高，它能够识别物体，知道如何移动物体，不过抓取能力比较有限，比如他还无法捡起飘落在地上的报纸。研究人员希望，HERB在主动探索世界之余还能掌握“上网”的能力，比如连接到Amazon Mechanical Turk把识别工作外包，或是连接到RoboEarth、ImageNet、3D Warehouse等图像网站直接获取物品的图像资料。
相关的果壳网小组
本文编译自：CMU More Than a Good Eye: Carnegie Mellon Robot Uses Arms, Location and More To Discover Objects
文章题图：shutterlock