想让机器人帮你收拾房间么？（图片来源：Pixabay）
随着机器人技术日益进步，生产成本逐步降低，机器人越来越有希望走进千家万户。因此，机器人专家正在尝试研发能够协助人类高效完成家务（比如做饭、打扫卫生和收拾房间）的系统。
来自伦敦帝国理工学院（Imperial College London）机器人学习实验室（The Robot Learning Lab）的研究者们近期研发出了NeatNet系统，它是一种创新性的机器学习工具，让机器人能够按用户的个人偏好来收拾房间。该模型是基于一种具有图神经网络（graph neural network，GNN）层级的新型变分自编码器（variational autoencoder，VAE）架构，相关论文预印本已发表于arXiv。
Edward Johns博士是该项目的研究人员之一，他表示“每个人安排私人空间的方式都是独特且个性化的，左利手或右利手、审美趣味、生活习惯甚至文化背景都会对此产生影响。（因此）我们找到了一种学习人们安排家居偏好的方法，这样机器人就可以个性化地整理房间。”
NeatNet便是Johns博士及其学生Ivan Kapelyukh开发的新技术。（运用该系统的）机器人仅需观察用户如何摆放家具和各种物品就可以习得其整理偏好。然后，它就会以这种偏好为指导，以反映用户喜好的方式进行整理。
“举个例子，假设你喜欢桌面安排紧凑，每样东西都易于取到。”Johns博士说，“你可能想让机器人了解这种习惯，这样它整理过的桌面就能非常便于你使用。”
上图展示了NeatNet模型的使用案例。它分为两步：首先，通过观察人们如何整理自己的房间来习得用户偏好，然后对如何安排物品进行个性化预测。比如你买了一本新书，机器人应该能合理推测到应该将这本书放在哪里。
（图片来源：Ivan Kapelyukh and Edward Johns /伦敦帝国理工学院机器人学习实验室）
研发NeatNet的灵感来自于流媒体平台（如Netflix，YouTube，Spotify）或其他网站使用的机器学习工具——新内容推荐系统。推荐系统基于用户过去的浏览、收听内容或使用记录来了解用户的喜好。“如果有很多喜好与你相近的用户看了同一部新电影，Netflix就（很可能）会把这部电影推送给你。”Johns博士解释道，“这就是机器学习方法实现个性化推荐的方式。”
Kapelyukh在伦敦帝国理工学院的工程学硕士论文为开发NeatNet这种类似于推荐系统的新工具提供了基础。这篇论文在Johns博士的指导下完成。Kapelyukh现在是该校的博士生。今年11月8日至11日在伦敦举办的机器人学习会议（Conference on Robot Learning ，CoRL）上，Kapelyukh和他的导师一起展示了这项新研究。
“到目前为止，我们通过计算机模拟机器人及其使用环境展示了我们的成果。但未来，我们计划用真正的机器人进行测试。”Johns说。
一个总结NeatNet学习清洁的短视频。（视频来源：Ivan Kapelyukh & Edward Johns /伦敦帝国理工学院机器人学习实验室）
至关重要的是，NeatNet会处理用户所整理过的房间场景，从场景中习得整理偏好并转化为数字序列（向量），最后用数字序列来个性化安排不同组别的物品。
“由于机器人无法预先得知它在一个场景内会遇到多少物品，所以NeatNet使用图神经网络来处理遇到的场景，”Johns博士说，“这意味着系统不是直接从场景中的图像中进行学习，而是将场景模型化为图形，其中的每个物体都是一个节点，所有的节点都连结在一起。”
通过使用图神经网络，NeatNet还可以学习不同物品之间的关系。例如，它可以学会将键盘和鼠标摆在一起，或者将餐具放在盘子旁边。
除了普通的物品放置关系，NeatNet还能分析个体用户的喜好。比如，人喜欢把餐具放在盘子的哪一边，因为左利手和右利手的人习惯的位置会有所不同。Johns博士和Kapelyukh进行了一系列实验来评估这项技术。他们捕捉了75位不同的人的偏好以构建整理模拟器，然后用模拟器形成房间安排的示例。在这些测试里，NeatNet都能完成整洁和个性化的双重要求。
上图箭头所指为两个用户被映射到用户潜在空间中的点，基于他们如何安排用餐场景。在这个潜在的向量空间中，点相靠近的用户的空间偏好也相似。（图片来源：研究论文）
“我们发现，相比完全相同的整理方式，个性化的整理场景更能使用户满意，即便是很简单的场景也是如此。”Johns博士说，“而在真实世界的家里有着成百上千的物品，其整理方式也就会有更多的选择。”
当机器人的应用更为普遍时，这种能够按用户喜好完成任务的能力会更有价值。因此NeatNet将会非常有用，尤其利于提高家庭助手和机器人的表现。
“另一个有趣的发现是，即使神经网络将用户喜好呈现为数字序列，我们仍能在其中找到有意义的模式。”Johns说。“比如，NeatNet决定按照人们如何摆放餐具来区分他们是左利手还是右利手。这能够部分阐明模型内部的信息处理方式。而在使用神经网络时，我们通常很难知晓内部发生了什么。”
NeatNet目前只在模拟器上进行了测试，但它已经做出了很有（现实应用）潜力的成果。为了能将其应用于真正的机器人并进行效果评估，现在研究者正在进行下一步探索。
“我们将会在机器人上安装摄像机作为它的‘眼睛’，以此来探测房间中物品的方位。”Johns博士说，“另外，我们还会考虑如何确保整理后的空间是有安全保障的，例如盘子不应该放在桌子的边缘。我们也会考虑机器人完成整理所需要花费的时间，因为人们可能更想让机器人整理一些必须整理的地方，而不是把整个家全收拾一遍。”
作者：Ingrid Fadelli
翻译：安君
审校：赵冰莹
引进来源：Tech Xplore
京公网安备11010502039775号
