人類的家務事不可避免，全世界都在努力做出一個能夠做家務的機器人。
機器人做家務，往往需要在立體空間中進行動作，這不再是簡單的點位移動和執行，而是更複雜非結構環境下的動作。
而現在，Everyday Robots團隊的這款機器人給了全世界一個可以參考的方向。
一種新型機器人結構
一個高個子的機器人，頭上帶有攝影鏡頭，中間分出來一條機械手臂，你有想過是這種設計嗎？
Everyday Robots團隊認為，機器人技術中目前最難的問題就是理解新的空間和環境，這侷限了機器人的使用場景。大多數機器人仍然在專門為它們設計、結構化甚至明亮的環境中運行。這些機器人能完成的任務非常具體，並且機器人經過精心設計程式，可以在正確的時間以正確的方式執行這些任務。
但如何讓機器人能夠學習如何幫助人類處理工廠外的任何事情，從辦公室到護理機構，最終再到人類的家中，這是一項比製造自動駕駛汽車還要困難的多方面挑戰，因為機器人技術在人類的非結構環境中往往更加沒有任何規則可循。
在生活和工作這些非結構化和不可預測的空間中，相對目前機器人的主流方向：力量、精度和重複穩定性，如何讓機器人具備多項新的能力其實更加重要。
但因為空間和環境中事情的隨機性非常大，想讓一個機器人能夠全部完成非常困難，並不會有通用性的解決方案和程式設計思路。
因此，Everyday Robots團隊的解決方案是，讓這種新型機器人具備基礎的自我學習能力，進而未來去幫助人類完成任何事情。包括幫助維持人類的生活環境和家居清潔，以及幫助人類將物品移動到需要的地方等等。
Everyday Robots團隊希望，未來在大量的訓練和實踐中，最終機器人可以説明人類實現需要花費精力處理的日常任務，把時間花在真正重要的事情上。
一些已經完成的事情
目前，該公司的100多台機器人已經部署在其山景城的園區內實際使用測試。
測試主要是其自主執行擦桌子、推椅子、開門等日常任務能力。實驗表明，這種自主學習是可靠而且有效的。
目前，這些測試也已經證明，機器人可以建立在基礎的演算法和自主學習上，應用於新的任務。例如讓擦桌子的機器人在咖啡館裡整理椅子。
Everyday Robots希望能從一個靠著事前把程式都寫好，決定機器人遇到什麼情況該如何處理的方式，轉向資料和學習的世界，進而讓機器人能夠在已知和未知環境中協助人類處理越來越多的任務。
不斷實踐的工作
這個過程不是一蹴而就的，期間有著很長的時間跨度。
作為Google母公司Alphabet的其中一家機器人企業，這個專案一開始是用於創建具有通用性的自主學習機器人，以幫助moonshot計畫。
早在2016 年，Everyday Robots還沒有嘗試使用虛擬模擬技術，而是使用工業機器人在小型實驗室裡配置訓練學習如何抓取玩具、鑰匙和日常家居用品等小物體，當時一個機器人需要花費四個月的時間來學習如何以75%的成功率進行簡單的抓取。
但如今這個自主學習的機器人能用不到一天的實際學習時間以90%的成功率打開門。
Everyday Robots團隊表示，在過去的幾年裡，團隊一直在構建一個專為學習設計的整合硬體和軟體系統，用於將強化學習和模擬從虛擬世界轉移到現實世界。例如讓機器人可以先在模擬世界中練習擦桌子等任務，然後再在現實世界中練習，進而減少學習新任務所需的時間。
目前，機器人包括了輪式底盤、模組化的末端臂系統、以及用於感知各類資訊的多個感測器，包括整合攝影鏡頭、光學雷達、IMU等，可以用於感知周圍的世界。
在軟體上，透過結合使用強化學習、協作學習和模擬學習等機器學習技術，機器人可以逐漸對周圍的世界有了更好的瞭解，並在執行日常任務時變得更加熟練。
質疑與挑戰
對於Everyday Robots的機器人，IEEE也提出了一些質疑，例如Evan Ackerman就提到，在安全性問題上，機器人的這種結構和機械臂安裝方式，靠近手臂的地方似乎不太適合放置急停，這可能依然存在一些安全隱患。
Evan Ackerman也在文章裡提到，目前受限於研究環境，還沒有足夠的公開訊息來評估 Everyday Robots 的100 個原型機群的工作原理和算力支撐、操作的約束條件以及其「有用」性也仍然存疑。另外每台機器人數萬美元的價格也可能造成機器人很難短期內走出實驗室。
但負責 Alphabet 相關計畫的 Astro Teller 認為，構建酷炫的機器人技術本身並不是最終目的，Everyday Robots 的目標最終是創建「通用學習機器人」最終服務於moonshot願景，而他們已經走在了正確的路上。
Everyday Robots的首席機器人長Hans Peter Brøndmo則說：「我們希望在我們的現實生活中創造出像電腦一樣有用的機器人，並相信機器人具有成為工具的巨大潛力。機器人最終可以幫助我們找到解決世界當前面臨的例如老齡化等一些巨大挑戰的新方法，並尋找到人類發展更可持續的新方式。」
- 本文授權轉載自大數據文摘