本文经AI新媒体量子位（公众号ID:QbitAI）授权转载，转载请联系出处。
这个机械臂正在完成够、拿、移、推、点、开等6个动作。
而且动作娴熟，还不存在失误。
更令人意外的是，训练这个机械臂，只花了短短25分钟。
即使有人为干扰，它也能够成功完成抓取动作。
还能抓起以前没有见过的物体形状。
这就是来自加州大学伯克利分校的一项新研究——高效机器操作框架framework for Efficient Robotic Manipulation（FERM），专门对机械臂进行高效率操作的算法训练。
FERM为什么比其他方法效率高?
目前来看，大多数针对机器人训练的的RL算法效率都不是很好。
采用稀疏奖励的方法训练Dota5游戏的人机操作，使之成为达到人类玩家的高手水平，需要花180年的游戏时间。
训练一个机械臂的手势，则需要上千万的模拟学习的样本和两周的训练时间。
Sim2Real和模拟学习这两个方法稍微好点。Sim2Real需要接受模拟训练，再将训练结果运用到现实事例中。
模拟学习则需要通过一系列的专业训练示范案例和监督学习，才能得出最后的训练策略，实验结果非常依赖于输入示范案例的质量。
FERM优势在于，既没有依靠模拟训练转换到现实，也不用高度依赖于输入的示范案例的质量。
而是基于非监督性表征学习和数据扩张技术，使用了pixel-based RL。
因此，它仅仅需要10个Demo，25分钟的训练时间，就可以让机器人学会六个动作。
FERM具体怎么训练？
FERM采用了基于像素的强化学习（pixel-based RL）方法。
具体而言，先收集小部分演示数据，并且将这些数据存放在“回放缓冲区”上。
然后，用观察结果结合对比损失量，来对编码器进行预训练。
而后，编码器和“回放缓冲区”运用一种线下的数据来加强RL算法，对RL智能体进行训练。
在论文中，研究人员总结了FERM主要优点：
1、高效率：FERM可以学习6种不同操作任务的最优策略，在15-50分钟的训练时间内完成每项任务。
2、简单统一的框架：框架结合现有的组成部分，将无监督的预训练和在线RL与数据扩充成一个单一高效的框架。
3、常规轻量设置：实施起来只需要一个机器人、一个GPU、两个摄像头、几个演示，以及稀疏奖励函数等等。
具体的实验结果如何？
实验结果
这项实验采用像素观察的方法执行了一系列任务。下图的每一栏显示了初始、中间、结果等三个状态。只有当机器人完成任务时，才会获得稀疏奖励。
这个训练算法的效率可谓很高了。具体完成时间如下图表格所示，在30分钟左右，它就可以让机器人学习操作任务。而简单的“够”（Reach）动作，则只需要三分钟。
实验结果称，它不需要很多的Demo，也不需要到大量的设备，首次完成任务的平均时间为11分钟，并且可以在25分钟内训练出6个机械动作。
所以研究人员骄傲地说：
“据我们所知，FERM是第一个能在不到一小时的时间内，能通过像素点直接完成来自不同组、采用稀疏奖励方法的机器操作任务。”
而根据相关报告，未来十年，制造业将需要460万个岗位。许多制造商也都在转向自动化生产，机械自动化将占比越来越高。FERM这样的高效训练框架，可谓是制造业福音。