十年前，他以本科生的身份走入清華電子系；十年后，他將以一名教師的身份重回清華，在叉院開(kāi)啟新的篇章，傳遞知識(shí)，探索真理。作者 | 李梅
想象一下：
在未來(lái)的某一天，你，一個(gè)996的「社畜」，或「上班狗」，辛苦一天回到家，癱倒在沙發(fā)上。當(dāng)你抬頭一看，你的機(jī)器人朋友正在廚房為你做晚飯——它的雙手敏捷靈活，在油鹽醬醋與鍋碗瓢盆之間，一頓優(yōu)雅操作，不久便有陣陣香氣撲鼻而來(lái)。它把晚餐端到餐桌上，對(duì)你微微一笑：「開(kāi)飯啦！」然后轉(zhuǎn)身拿起你換下的衣物走向洗衣機(jī)......
這不是一篇小學(xué)生的科幻小作文，而是許華哲作為一位機(jī)器人學(xué)研究者關(guān)于未來(lái)機(jī)器人的想象：「我希望能有一個(gè)真正通用的機(jī)器人，它什么都能做，或者至少能為人類(lèi)完成家居場(chǎng)景里的大部分任務(wù)。」
最近，他在走向通用機(jī)器人的這條路上又前進(jìn)了一步：想要機(jī)器人為我們包餃子、卷壽司？先讓機(jī)器人從學(xué)習(xí)捏橡皮泥開(kāi)始吧！
不久前，許華哲團(tuán)隊(duì)的一篇論文被機(jī)器人學(xué)頂會(huì)RSS接收。這項(xiàng)工作提出了一種機(jī)器人系統(tǒng)，叫「RoboCraft」，將傳感器數(shù)據(jù)轉(zhuǎn)換為粒子，使用圖神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)基于粒子的動(dòng)力學(xué)模型，對(duì)機(jī)器人進(jìn)行行為控制，實(shí)現(xiàn)了機(jī)器人操作柔性物體的目標(biāo)。
論文地址：https://arxiv.org/pdf/2205.02909.pdf
這個(gè)RoboCraft框架有三個(gè)組件，一個(gè)是基于粒子的場(chǎng)景對(duì)模塊進(jìn)行表示，從而「看到」橡皮泥；二是基于GNN模型，模擬對(duì)象的動(dòng)力學(xué)；三是一個(gè)基于梯度和采樣的模型預(yù)測(cè)控制模塊，學(xué)習(xí)如何對(duì)一塊橡皮泥進(jìn)行塑形。
圖注：機(jī)器人將橡皮泥捏成字母A和X的形狀
實(shí)驗(yàn)表明，無(wú)論是在模擬器、還是在真實(shí)世界中，這個(gè)基于模型的規(guī)劃框架在測(cè)試任務(wù)上的表現(xiàn)都可以與人類(lèi)相當(dāng)，甚至比人類(lèi)做得更好。
圖注：RoboCraft與人類(lèi)在捏橡皮泥任務(wù)上的對(duì)比。在模擬器中，人用鼠標(biāo)和鍵盤(pán)控制機(jī)械臂。
圖注：RoboCraft與人類(lèi)在捏橡皮泥任務(wù)上的對(duì)比。在真實(shí)世界中，人直接操縱機(jī)械臂。當(dāng)然，這只是許華哲征服機(jī)器人星辰大海之路上的一片碎小星光。許華哲本科畢業(yè)于清華大學(xué)電子工程系，后在加州大學(xué)伯克利分校攻讀博士，目前在斯坦福大學(xué)從事博士后研究，指導(dǎo)教師為計(jì)算機(jī)視覺(jué)領(lǐng)域的知名新秀吳佳俊。他對(duì)AI科技評(píng)論表示，今年秋季，他將回到母校清華，成為清華大學(xué)交叉信息研究院（也就是「姚班」）的一名教師。關(guān)于機(jī)器人的美好愿景雖然由來(lái)已久，但許華哲并非一開(kāi)始就專(zhuān)攻機(jī)器人學(xué)。從本科到博士后階段，一路上，他的科研方向經(jīng)歷了有跡可循的轉(zhuǎn)變：本科大三去多倫多大學(xué)交換時(shí)第一次接觸計(jì)算機(jī)視覺(jué)，到伯克利讀博期間結(jié)合視覺(jué)做自動(dòng)駕駛，最終轉(zhuǎn)向?qū)?qiáng)化學(xué)習(xí)應(yīng)用于機(jī)器人學(xué)。每一次轉(zhuǎn)變，許華哲都越來(lái)越接近他所追求的通用人工智能和通用機(jī)器人。
初識(shí)計(jì)算機(jī)視覺(jué)
2012年，許華哲從東北師大附中畢業(yè)，通過(guò)物理競(jìng)賽保送到清華大學(xué)電子工程系，就讀電子信息科學(xué)與技術(shù)專(zhuān)業(yè)。圖注：本科入學(xué)前的許華哲
當(dāng)時(shí)，清華大學(xué)的物理系、電子系和建筑系是物理競(jìng)賽保送生的三大熱門(mén)去向，許華哲基于自己的學(xué)科興趣選擇了電子系。他解釋說(shuō)：「我當(dāng)時(shí)的想法比較稚嫩，就覺(jué)得電子系離新一代的IT技術(shù)很近?！苟?，在高中時(shí)期，他就了解到清華對(duì)電子系開(kāi)設(shè)了很多偏重物理的課程，其他相關(guān)院系（如信息科學(xué)技術(shù)學(xué)院）則沒(méi)有這樣的課程設(shè)置。因此，對(duì)于擅長(zhǎng)物理的許華哲來(lái)說(shuō)，電子系無(wú)疑是最好的選擇。從東北的長(zhǎng)春來(lái)到「帝都」北京，雖然未來(lái)的方向尚不明朗，但許華哲內(nèi)心隱隱感到，在清華這樣一個(gè)廣闊的天地，他將大有作為。「其實(shí)我并沒(méi)有想到我一定要做什么，或者我一定要解決一個(gè)什么樣的問(wèn)題，但我有一個(gè)大致明確的主線，就是希望以后可以讀一個(gè)博士?！乖S華哲這樣回憶他初入清華時(shí)的心態(tài)。這樣的期許也來(lái)源于周?chē)迦A人對(duì)他的感染。清華從來(lái)不乏在各個(gè)領(lǐng)域發(fā)光發(fā)熱的個(gè)體：天資聰穎的驕子，勤奮努力的追趕者，玩轉(zhuǎn)社團(tuán)與實(shí)踐的達(dá)人......在這樣一種包容參差、鼓勵(lì)多樣的環(huán)境里，許華哲選擇了一種「玩得開(kāi)心」但也始終向前的道路：加入藝術(shù)團(tuán)鍵盤(pán)隊(duì)繼續(xù)發(fā)展對(duì)音樂(lè)的愛(ài)好，與學(xué)生會(huì)的伙伴一起策劃活動(dòng)，跟同學(xué)一起熬夜趕作業(yè)，和好朋友一起去玩耍吃烤串，等等。而對(duì)于一位被錄取到頂尖學(xué)府的保送生，優(yōu)秀必然已經(jīng)成為一種習(xí)慣。所以，看似松弛的狀態(tài)，也并沒(méi)有耽誤許華哲在學(xué)習(xí)上窮追猛打、將課程績(jī)點(diǎn)排到年級(jí)前2%。雖然不及他口中那位期末期間邊打游戲邊復(fù)習(xí)、最終還能考到年級(jí)第一的室友，但他自己在學(xué)業(yè)上也并不遜色太多。圖注：許華哲在清華
至于科研，許華哲回憶，在清華時(shí)，他只是在通信研究所的實(shí)驗(yàn)室跟隨老師做過(guò)一段時(shí)間的科研。他坦言，由于課業(yè)壓力較大，加上課外活動(dòng)所占去的精力，「科研自然就做不動(dòng)了」。直到大三上學(xué)期，許華哲去多倫多大學(xué)交換，才開(kāi)始科研上的更多探索。在那里，他第一次接觸到計(jì)算機(jī)視覺(jué)，并進(jìn)一步體會(huì)到做科研的樂(lè)趣。
2014年秋，許華哲赴加拿大多倫多大學(xué)進(jìn)行一個(gè)學(xué)期的交換與學(xué)習(xí)生活。在那里，他修讀了電子與計(jì)算機(jī)工程系的四門(mén)課程：計(jì)算機(jī)視覺(jué)、數(shù)字信號(hào)處理、隨機(jī)過(guò)程和操作系統(tǒng)，其中，「計(jì)算機(jī)視覺(jué)」這門(mén)課的描述尤其吸引他，就這樣，他開(kāi)始了與計(jì)算機(jī)視覺(jué)的初遇。而在此之前，許華哲連「計(jì)算機(jī)視覺(jué)」是什么都不知道。為什么會(huì)被計(jì)算機(jī)視覺(jué)這個(gè)方向所吸引？這與許華哲自身的個(gè)性和科研思維傾向或許是分不開(kāi)的。在他看來(lái)，相比于其他研究方向，計(jì)算機(jī)視覺(jué)研究所產(chǎn)出的結(jié)果是很直觀的，比如，用視覺(jué)可以將一幢樓的窗戶清晰地分割、檢測(cè)出來(lái)，這其中的實(shí)現(xiàn)過(guò)程和結(jié)果呈現(xiàn)都是直接的。這讓直覺(jué)型思維的許華哲覺(jué)得是一種「好玩的科研」。于是，許華哲興致勃勃地向講授計(jì)算機(jī)視覺(jué)這門(mén)課的 Sanja Fidler 教授表明自己想跟她做科研。Sanja Fidler 很認(rèn)可他的課程表現(xiàn)，欣然同意。盡管當(dāng)時(shí)他只是一個(gè)本科生，但許華哲能夠感受到，Sanja Fidler 完全把他看作是一位「科研工作者」，雙方都很認(rèn)真、嚴(yán)肅地談?wù)撗芯抗ぷ鳌Ｔ谝粋€(gè)做了半年的項(xiàng)目中，許華哲運(yùn)用深度學(xué)習(xí)讓 AI 模型學(xué)習(xí)人類(lèi)對(duì)于汽車(chē)類(lèi)型（如外形、顏色等）的偏好，從而完成模型對(duì)汽車(chē)外觀打分的任務(wù)。這個(gè)項(xiàng)目成了他在人工智能科研路上邁出的第一步。交換結(jié)束后，許華哲回到了清華。這段短暫的科研經(jīng)歷，雖然與機(jī)器人研究并無(wú)直接關(guān)聯(lián)，卻對(duì)他之后選擇科研方向產(chǎn)生了直接的影響。與在計(jì)算機(jī)視覺(jué)方向上尋求直觀性類(lèi)似，許華哲后來(lái)又在自動(dòng)駕駛、機(jī)器人學(xué)方向上看到了更強(qiáng)的直觀性，從而逐漸將興趣轉(zhuǎn)移到了可控制的、運(yùn)動(dòng)的智能體上。2016年，許華哲赴美國(guó)加州大學(xué)伯克利分校讀博，開(kāi)始了走向機(jī)器人學(xué)的科研探索之路。自動(dòng)駕駛：自己做自己的導(dǎo)師
在申請(qǐng)加州大學(xué)伯克利分校的博士之前，許華哲先去那里做了三個(gè)多月的暑期科研實(shí)習(xí)，他當(dāng)時(shí)實(shí)習(xí)的組正是后來(lái)他讀博所在的組。
圖注：許華哲在伯克利做暑期科研實(shí)習(xí)大三結(jié)束那年的暑假，在 Sanja Fidler 的舉薦下，許華哲去了伯克利實(shí)習(xí)。期間，他與在伯克利讀博的胡戎航師兄、Trevor Darrell教授等人合作，完成了一篇視覺(jué)-語(yǔ)言（vision-language）方向的論文（“Natural Language Object Retrieval”）。這項(xiàng)工作旨在解決自然語(yǔ)言對(duì)象檢索的任務(wù)，通過(guò)基于對(duì)象的自然語(yǔ)言查詢來(lái)定位一個(gè)目標(biāo)對(duì)象。論文后來(lái)被 CVPR 2016 錄取為 Oral Paper。
論文地址：https://arxiv.org/pdf/1511.04164.pdf暑期實(shí)習(xí)結(jié)束后，許華哲開(kāi)始著手申請(qǐng)博士項(xiàng)目。他希望能留在伯克利繼續(xù)讀博，但對(duì)于Darrell教授是否滿意自己在實(shí)習(xí)期間的表現(xiàn)，他心里是沒(méi)有底的。每年去伯克利進(jìn)行暑期實(shí)習(xí)的學(xué)生都不勝枚舉，而博士申請(qǐng)存在競(jìng)爭(zhēng)和不確定性，所以，除了伯克利，許華哲也申請(qǐng)了其他幾所學(xué)校。不過(guò)，最終還是如人所愿，他收到了伯克利的錄取通知，便決定繼續(xù)留在 Darrell 的組里攻讀博士。談起自己的博士導(dǎo)師，許華哲認(rèn)為自己很幸運(yùn)：「我的導(dǎo)師在指導(dǎo)學(xué)生方面非常寬松，對(duì)我們的研究方向不加任何限制。他覺(jué)得，只要我做的事情是自己真正感興趣的，我就可以去做，他會(huì)全力支持我。」Darrell 非常鼓勵(lì)許華哲去自由地探索。在他對(duì)科研方向感到迷茫的時(shí)候，Darrell 會(huì)對(duì)他說(shuō)：「你可以都試試?！够蛘呤?，「你覺(jué)得什么研究做出來(lái)會(huì)很好玩、很酷，你就去做什么研究，不用去想什么研究能給你帶來(lái)更多的收益。」導(dǎo)師的這種指導(dǎo)風(fēng)格促使他在博士初期選擇了「離經(jīng)叛道」的科研方向。入學(xué)后，他做的第一個(gè)項(xiàng)目是自動(dòng)駕駛方向，而這個(gè)方向無(wú)論是對(duì)于許華哲還是 Trevor Darrell 來(lái)說(shuō)，都是一個(gè)新領(lǐng)域。Darrell 主要研究計(jì)算機(jī)視覺(jué)，當(dāng)時(shí)組里在做的課題主要是域遷移與視覺(jué)-語(yǔ)言（vision-language）。原本，許華哲可以跟隨導(dǎo)師專(zhuān)攻這兩個(gè)方向，但導(dǎo)師建議他去嘗試自動(dòng)駕駛。2016年，自動(dòng)駕駛?cè)缛罩刑臁．a(chǎn)業(yè)界摩拳擦掌，紛紛入局。在美國(guó)，通用汽車(chē)以10億美元的價(jià)格收購(gòu)了Cruise；在德國(guó)，Uber與戴姆勒汽車(chē)集團(tuán)開(kāi)始在自動(dòng)駕駛領(lǐng)域展開(kāi)合作；中國(guó)的滴滴也開(kāi)始組建自動(dòng)駕駛公司。在學(xué)術(shù)界，各個(gè)實(shí)驗(yàn)室也開(kāi)始積極投入研究，想要在自動(dòng)駕駛領(lǐng)域中開(kāi)拓和占領(lǐng)一席之地。在這樣的背景下，此前對(duì)自動(dòng)駕駛并沒(méi)有予以太多關(guān)注的 Darrell，也產(chǎn)生了新開(kāi)一個(gè)自動(dòng)駕駛研究方向的想法，而這個(gè)「開(kāi)新坑」的任務(wù)落到了許華哲身上。許華哲也不推脫，話不多說(shuō)，就開(kāi)始了自動(dòng)駕駛方向的探索。由于 Darrell 在該領(lǐng)域沒(méi)有太多可傳授的經(jīng)驗(yàn)，所以在大多數(shù)時(shí)候，許華哲是自己給自己當(dāng)「導(dǎo)師」，而 Darrell 則從視覺(jué)的角度給他提供了很多技術(shù)上的幫助。許華哲的嘗試很快得到了回報(bào)。當(dāng)時(shí)還是一年級(jí)博士生的他，與博士導(dǎo)師、師兄高陽(yáng)和博士后研究員Fisher Yu等人合作，完成了一個(gè)自動(dòng)駕駛項(xiàng)目，并以第一作者的身份發(fā)表了論文（“End-to-end Learning of Driving Models from Large-scale Video Datasets”），被錄取為2017 CVPR Oral 論文。
論文地址：https://arxiv.org/pdf/1612.01079.pdf這項(xiàng)工作探索了如何從視覺(jué)的角度通過(guò)深度學(xué)習(xí)來(lái)實(shí)現(xiàn)自動(dòng)駕駛。以往的深度學(xué)習(xí)方法受到數(shù)據(jù)量的限制，局限于固定場(chǎng)景和模擬環(huán)境。為了解決這個(gè)問(wèn)題，許華哲與團(tuán)隊(duì)介紹了一個(gè)不依賴執(zhí)行機(jī)構(gòu)的自動(dòng)駕駛通用模型，采用端到端的訓(xùn)練方式，從大規(guī)模眾包視頻數(shù)據(jù)中學(xué)習(xí)，實(shí)現(xiàn)了更好的泛化性能。而且，他們還公布了當(dāng)時(shí)市面上時(shí)長(zhǎng)最長(zhǎng)、場(chǎng)景最豐富的自動(dòng)駕駛數(shù)據(jù)集BDDV（Berkeley DeepDrive Video dataset）。
圖注：博一年級(jí)的許華哲在CVPR上作報(bào)告將計(jì)算機(jī)視覺(jué)與自動(dòng)駕駛相結(jié)合的研究，讓許華哲離機(jī)器人學(xué)更近了一步。相比于純靜態(tài)的視覺(jué)研究，許華哲更傾心于動(dòng)態(tài)的智能體，比如可以無(wú)人駕駛的智能汽車(chē)和運(yùn)動(dòng)的機(jī)器人。從強(qiáng)化學(xué)習(xí)出發(fā)研究機(jī)器人
那么，如何做機(jī)器人？如何實(shí)現(xiàn)讓一個(gè)機(jī)器人去感知周遭世界的信息，并像人類(lèi)一樣去實(shí)施決策和控制？許華哲選擇了深度強(qiáng)化學(xué)習(xí)這條路線：在機(jī)器人學(xué)的模擬器里做強(qiáng)化學(xué)習(xí)算法的開(kāi)發(fā)，控制機(jī)器狗、機(jī)械臂和機(jī)械手等智能體去完成一系列任務(wù)。他篤信，在一些傳統(tǒng)機(jī)器人學(xué)無(wú)法解決的任務(wù)難題上，強(qiáng)化學(xué)習(xí)大有用武之地。傳統(tǒng)的機(jī)器人學(xué)發(fā)展多年，已經(jīng)取得了令人矚目的成果。例如，經(jīng)常能在公眾視野中收割一大波粉絲的波士頓動(dòng)力機(jī)器狗，在每一次「進(jìn)化」中都能獲得令人意想不到的酷炫新技能。但是，愿景有余，落地不足，這仍是機(jī)器人領(lǐng)域的一大挑戰(zhàn)。把一臺(tái)計(jì)算機(jī)的棋藝調(diào)教到世界第一的水平是容易的，但要教會(huì)一個(gè)機(jī)器人從一堆碎石爛瓦中穿行而不跌倒，卻要困難得多，因?yàn)樵谶@兩類(lèi)任務(wù)中，機(jī)器所需的「智力水平」與人類(lèi)正相反。在那些看似簡(jiǎn)單、實(shí)際卻很復(fù)雜的任務(wù)中，傳統(tǒng)的方法難以派上用場(chǎng)。比如，在系鞋帶這個(gè)任務(wù)中，如果用傳統(tǒng)的方法，在鞋帶上的每一處都安裝控制器、從而使其對(duì)機(jī)器人來(lái)說(shuō)可移動(dòng)，這顯然是不現(xiàn)實(shí)的。系鞋帶這樣的任務(wù)需要一種「欠驅(qū)動(dòng)機(jī)器人」（Underactuated Robotics）系統(tǒng)才能實(shí)現(xiàn)。許華哲認(rèn)為，強(qiáng)化學(xué)習(xí)具有解決這類(lèi)問(wèn)題的潛力。強(qiáng)化學(xué)習(xí)的優(yōu)勢(shì)在于，它本質(zhì)上是一個(gè)通過(guò)不斷嘗試犯錯(cuò)、從而獲得反饋的搜索過(guò)程，在這個(gè)過(guò)程中，它很有可能會(huì)搜索到一些傳統(tǒng)方法根本想象不到的解決方案。在攻讀博士的大部分時(shí)間以及博士后研究期間，許華哲都在專(zhuān)攻將強(qiáng)化學(xué)習(xí)應(yīng)用于機(jī)器人學(xué)的研究。當(dāng)他在這條賽道上真的跑出一些較為滿意的成績(jī)后，他更加相信和看好強(qiáng)化學(xué)習(xí)這一方法論的未來(lái)前景。事實(shí)上，目前強(qiáng)化學(xué)習(xí)并未被大規(guī)模地運(yùn)用于各種機(jī)器人任務(wù)當(dāng)中。這其中最大的「攔路虎」是什么？許華哲的回答是：數(shù)據(jù)復(fù)雜度。通常來(lái)說(shuō)，為了學(xué)到一個(gè)好的策略，強(qiáng)化學(xué)習(xí)需要進(jìn)行大規(guī)模的試錯(cuò)，這就要求要有非常大的數(shù)據(jù)量。這是由強(qiáng)化學(xué)習(xí)算法的本質(zhì)所決定的。解決這個(gè)問(wèn)題的關(guān)鍵在于提高對(duì)數(shù)據(jù)的利用率，方法無(wú)非有兩個(gè)：「開(kāi)源」和「節(jié)流」。許華哲在自己的研究中采用了三種路徑來(lái)解決數(shù)據(jù)復(fù)雜度的問(wèn)題：模擬器（simulator）、基于模型的強(qiáng)化學(xué)習(xí)（MBRL）和離線強(qiáng)化學(xué)習(xí)（Offline RL）。前兩者屬于開(kāi)源，后者則屬于節(jié)流。對(duì)數(shù)據(jù)量的需求在計(jì)算機(jī)模擬器里比較容易實(shí)現(xiàn)。在真實(shí)世界中，機(jī)器人是以客觀物理時(shí)間而運(yùn)行的，所以無(wú)法采用一些方式去加速，而計(jì)算機(jī)能夠以很快的速度去運(yùn)行模擬器。而且，物理模擬器能夠?yàn)闄C(jī)器人提供一個(gè)安全且廉價(jià)的虛擬操場(chǎng)，讓機(jī)器人在其中利用相關(guān)技術(shù)習(xí)得物理技能，然后轉(zhuǎn)移到真實(shí)世界中去。在一個(gè)四足機(jī)器人的項(xiàng)目中，許華哲團(tuán)隊(duì)就利用了這種Sim-to-Real（從模擬到現(xiàn)實(shí)）的方法，通過(guò)強(qiáng)化學(xué)習(xí)的手段，在模擬器中對(duì)機(jī)械狗做大規(guī)模的訓(xùn)練和域隨機(jī)化，然后將它從模擬環(huán)境轉(zhuǎn)移到真實(shí)世界中去做測(cè)試。圖注：機(jī)械狗在室外行走、避障
由于機(jī)械狗可以在模擬環(huán)境中預(yù)先熟悉各種地形，所以能夠適應(yīng)更富有挑戰(zhàn)性的真實(shí)環(huán)境。比如，當(dāng)?shù)匦螐牟莸剞D(zhuǎn)換為山地時(shí)，這只機(jī)械狗并不會(huì)「慌張」，因?yàn)樗呀?jīng)被提前訓(xùn)練地很擅長(zhǎng)應(yīng)對(duì)地形變化，所以在山地也能「如履平地」地跑步和避障。這篇論文被ICLR 2022接收。
論文地址：https://arxiv.org/pdf/2107.03996.pdf不過(guò)，這種學(xué)習(xí)方式對(duì)模擬器的要求非常高，由于模擬環(huán)境并不能完全匹配真實(shí)世界，在模擬環(huán)境中訓(xùn)練的控制策略可能會(huì)在真實(shí)硬件上遭遇測(cè)試失敗。所以，許華哲認(rèn)為，模擬器做得越真實(shí)越好，無(wú)論是視覺(jué)上（看起來(lái)）還是物理運(yùn)動(dòng)規(guī)律上（感覺(jué)起來(lái)），如果模擬環(huán)境都能做得很逼近現(xiàn)實(shí)，那么強(qiáng)化學(xué)習(xí)就有可能從模擬器走到現(xiàn)實(shí)世界。在做強(qiáng)化學(xué)習(xí)的時(shí)候，我們還可以讓智能體從預(yù)先采集好的數(shù)據(jù)中去學(xué)習(xí)策略，而不一定要與真實(shí)世界進(jìn)行實(shí)時(shí)交互，這便是「離線強(qiáng)化學(xué)習(xí)」。離線強(qiáng)化學(xué)習(xí)具有降低成本的優(yōu)點(diǎn)，還可避免在線學(xué)習(xí)的高風(fēng)險(xiǎn)性。在博士后研究期間，許華哲與潘玲（姚班博士生）、黃隆波（姚班副教授）、馬騰宇（斯坦福助理教授、姚班校友，也是許華哲高中時(shí)的學(xué)長(zhǎng)）等人，合作了一個(gè)多智能體場(chǎng)景中的離線強(qiáng)化學(xué)習(xí)項(xiàng)目。他們提出了一種OMAR方法（Offline Multi-Agent RL with Actor Rectification），在多智能體的控制任務(wù)中獲得了較高的性能。就在前幾天，這篇論文剛被ICML2022接收。
論文地址：https://arxiv.org/pdf/2111.11188.pdf除了以上兩種方案，許華哲還對(duì)基于模型的強(qiáng)化學(xué)習(xí)（MBRL）特別感興趣。強(qiáng)化學(xué)習(xí)算法與之交互的對(duì)象并不一定是真正的機(jī)器人。如果我們使用一個(gè)神經(jīng)網(wǎng)絡(luò)去學(xué)習(xí)一個(gè)機(jī)器人的動(dòng)力學(xué)模型，然后讓算法與動(dòng)力學(xué)模型的神經(jīng)網(wǎng)絡(luò)交互，我們就可以把跟現(xiàn)實(shí)世界交互的過(guò)程變成跟神經(jīng)網(wǎng)絡(luò)交互的過(guò)程。不必用海量的數(shù)據(jù)與現(xiàn)實(shí)世界交互，但可以達(dá)到同樣水平的策略學(xué)習(xí)效果，這就是MBRL的優(yōu)勢(shì)所在。數(shù)據(jù)復(fù)雜度問(wèn)題的解決，是許華哲過(guò)去、現(xiàn)在與未來(lái)的主要研究方向之一，也是他實(shí)現(xiàn)機(jī)器人應(yīng)用夢(mèng)想的一個(gè)關(guān)鍵。他向AI科技評(píng)論表示，事實(shí)上，三種強(qiáng)化學(xué)習(xí)路徑中的每一種都很難單獨(dú)地完全解決數(shù)據(jù)復(fù)雜度問(wèn)題，所以，在將來(lái)，把它們結(jié)合起來(lái)或許會(huì)帶來(lái)比較大的突破。另外，這三種方法也并非僅僅是為了解決數(shù)據(jù)復(fù)雜度的問(wèn)題，它們也有助于其他問(wèn)題的解決。比如，MBRL 本質(zhì)上就帶有泛化性，因?yàn)橛辛艘粋€(gè)世界的模型，就可以利用該模型去泛化到不同的任務(wù)上。再比如，Offline RL也可以通過(guò)學(xué)到一個(gè)良好的初始值來(lái)幫助在線強(qiáng)化學(xué)習(xí)。此外，如果模擬器做得足夠好，那么它也有助于做領(lǐng)域隨機(jī)化。「這些方法的努力方向本質(zhì)上是一樣的，就是希望在真實(shí)世界中落地。這是我的理解，可能是有偏見(jiàn)的，但是我比較相信這個(gè)方向?！乖S華哲談道。強(qiáng)化學(xué)習(xí)的另一項(xiàng)關(guān)鍵挑戰(zhàn)是泛化性。目前的一個(gè)普遍情況是，無(wú)論是傳統(tǒng)算法、還是基于學(xué)習(xí)的算法，經(jīng)過(guò)訓(xùn)練的機(jī)器人往往只能「理解」那些已經(jīng)見(jiàn)過(guò)的東西，面對(duì)陌生的物體則會(huì)束手無(wú)策。這就要求機(jī)器人具有更好的泛化性能。在這個(gè)問(wèn)題上，許華哲有自己的觀察與見(jiàn)解，他也正在試圖去解決這個(gè)難題。在機(jī)器人學(xué)或者強(qiáng)化學(xué)習(xí)中，泛化能力是指一個(gè)訓(xùn)練好的決策智能體可以應(yīng)對(duì)各種未經(jīng)訓(xùn)練的情況。泛化包括視覺(jué)上的泛化和結(jié)構(gòu)上的泛化，視覺(jué)泛化是指學(xué)習(xí)可以泛化到未預(yù)先見(jiàn)過(guò)的環(huán)境的策略，比如說(shuō)，如果一個(gè)機(jī)器人可以在你家廚房里大展廚藝，那么當(dāng)你的朋友把它借走，它也應(yīng)該能夠在朋友家的廚房里保持它做飯的水準(zhǔn)，盡管在它的「眼」里，廚房的地面、墻壁和櫥柜的顏色都發(fā)生了變化。在被 IJCAI 2022 接收的一篇論文中，許華哲與來(lái)自清華、港大的研究人員合作，通過(guò)一種新的數(shù)據(jù)增強(qiáng)方法TLDA（Task-aware Lipschitz Data Augmentation），改善了數(shù)據(jù)增強(qiáng)技術(shù)在對(duì)圖像進(jìn)行微小改動(dòng)時(shí)可能導(dǎo)致的不穩(wěn)定性，從而提高了視覺(jué)強(qiáng)化學(xué)習(xí)中數(shù)據(jù)增強(qiáng)技術(shù)的泛化能力。
論文地址：https://arxiv.org/pdf/2202.09982.pdf再說(shuō)回那個(gè)被朋友借走的機(jī)器人，如果你家廚房的布局和朋友家廚房的布局截然不同，機(jī)器人能理解和應(yīng)對(duì)這種變化嗎？一個(gè)勺子的擺放朝向都有可能難倒機(jī)器人，它也許會(huì)「困惑」：上一次我見(jiàn)到的勺子是豎著放的，現(xiàn)在它卻橫躺在這里，我要怎么把它拿起來(lái)呢？而在實(shí)際生活中，除了極端的強(qiáng)迫癥，誰(shuí)也不會(huì)本末倒置地為了「遷就」機(jī)器人，而每次都保持所有鍋碗瓢盆的擺放位置和朝向不變。這里涉及的難題便是結(jié)構(gòu)泛化。在許華哲看來(lái)，結(jié)構(gòu)上的泛化問(wèn)題最為棘手：「究竟該如何解決，我還沒(méi)有一個(gè)完善的想法，但是我們?cè)趪L試兩個(gè)事情?！?/span>其一，他們嘗試使用預(yù)訓(xùn)練（Pre-training）的方法，直接從一些大的數(shù)據(jù)集中學(xué)習(xí)。不過(guò)，這種思路并不能直接解決結(jié)構(gòu)泛化的問(wèn)題，而只是期望在學(xué)習(xí)過(guò)程中能碰巧學(xué)到一些有助于解決問(wèn)題的知識(shí)。許華哲與他的團(tuán)隊(duì)在做的另一件事情，則是結(jié)合3D視覺(jué)讓機(jī)器人去學(xué)習(xí)物體的旋轉(zhuǎn)不變性。無(wú)論勺子的放置朝向如何變化，機(jī)器人都不會(huì)被「迷惑」。「這可能是我們?cè)诮鉀Q結(jié)構(gòu)泛化問(wèn)題上的一個(gè)小小嘗試，不算完全解決這個(gè)任務(wù)，但是在朝著這個(gè)方向前進(jìn)?！乖S華哲解釋。泛化所涉及的另一種情況是組合性（compositional）泛化。舉個(gè)例子，你的廚房機(jī)器人正在學(xué)習(xí)做兩道不同的菜，第一道菜的菜譜里有15個(gè)步驟，第二道菜有10個(gè)步驟，機(jī)器人分別學(xué)會(huì)這兩道菜后，發(fā)現(xiàn)每道菜的其中三個(gè)步驟是重合的，如：1）將雞蛋打散，放入適量的鹽；2）往鍋里倒入適量油；3）油熱后倒入雞蛋，翻炒至熟，出鍋。于是，機(jī)器人就額外學(xué)會(huì)了第三道菜的做法：炒雞蛋。類(lèi)似這種局部任務(wù)具有共通性的情況，就可以做組合性泛化，這也是許華哲目前正在解決的問(wèn)題之一。盡管對(duì)于目前機(jī)器人學(xué)中的很多問(wèn)題，強(qiáng)化學(xué)習(xí)都還無(wú)法提供完美的解決方案，但強(qiáng)化學(xué)習(xí)在真實(shí)世界中的初步亮相，已經(jīng)顯示出其在未來(lái)解決復(fù)雜問(wèn)題的潛力。許華哲對(duì)這一點(diǎn)抱有很大的信心：「只要我們繼續(xù)深入做下去，強(qiáng)化學(xué)習(xí)在其他更難的問(wèn)題上會(huì)產(chǎn)生更多有趣的結(jié)果?！?/span>在斯坦福視覺(jué)和學(xué)習(xí)實(shí)驗(yàn)室做博士后的一年，許華哲明顯感到自己在科研上的目標(biāo)更加清晰。在這里，他更多地體會(huì)到了大家一起合作、彼此互助的科研氛圍。合作導(dǎo)師吳佳俊在3D視覺(jué)方面給他提供了許多幫助，他也在與其他博士后研究員展開(kāi)多模態(tài)機(jī)器人方面的合作，組里還有一些具有優(yōu)秀的機(jī)器人學(xué)背景的博士生，他也能從他們那里學(xué)到許多新知識(shí)。許華哲談道，這不僅是科研漸入深處的自然結(jié)果，也是因?yàn)樗茉缇鸵呀?jīng)簽了清華叉院的教職：「在博士后的時(shí)候，我就知道以后要回到國(guó)內(nèi)任教，所以我自己更加明確以后想要做什么，或者說(shuō)我未來(lái)的組想要做什么?！?/span>圖注：許華哲在（virtual）博士畢業(yè)典禮上
2021年博士畢業(yè)后，除了清華，許華哲還申請(qǐng)來(lái)其他幾所亞洲學(xué)校的教職。不過(guò)，在面試完清華的三周后，他就收到了offer。沒(méi)有太多的猶豫，他就直接選擇了清華，終止了其他正在面試流程中的學(xué)校。在被問(wèn)及為什么毫不猶豫地選擇回到清華時(shí)，許華哲感慨道：「清華當(dāng)然是我的第一選擇，因?yàn)榍迦A是我的母校，我也是從清華開(kāi)始接觸到外面更廣闊的世界，看到原來(lái)還有這么多人在做一流的研究，這么多人在選擇創(chuàng)業(yè)，這么多人把社團(tuán)活動(dòng)搞得這么好。所以我覺(jué)得我對(duì)清華確實(shí)是有特殊的感情的?！?/span>另一方面，對(duì)于一個(gè)科研工作者來(lái)說(shuō)，清華叉院能給許華哲提供一個(gè)理想的科研環(huán)境。許華哲在伯克利的幾位師兄，如高陽(yáng)、吳翼、陳建宇，目前都在叉院任教。在跟他們的交流中，許華哲了解到叉院的整體科研氛圍非常好，年輕的老師可以擁有比較獨(dú)立的科研空間，去做自己真正感興趣的研究，而不被施以太多的限制。制度相對(duì)自由和寬松的叉院，也支持了許華哲延遲一年入職去斯坦福做博士后的決定。談及回到叉院以后的科研規(guī)劃，許華哲的答案仍然是圍繞著他關(guān)于機(jī)器人應(yīng)用的暢想而展開(kāi)：「我在應(yīng)用方面的一個(gè)整體目標(biāo)就是希望讓機(jī)器人真正為我們做一些復(fù)雜的事情，比如說(shuō)，為我們做四菜一湯、刷盤(pán)子、疊衣服，等等?！?/span>為了實(shí)現(xiàn)這一目標(biāo)，許華哲將從算法、感知和表征層面繼續(xù)他的科研工作。具體而言，算法方面的挑戰(zhàn)在于，如何把強(qiáng)化學(xué)習(xí)算法應(yīng)用到機(jī)器人學(xué)上，而其中，基于模型的強(qiáng)化學(xué)習(xí)和基于視覺(jué)的強(qiáng)化學(xué)習(xí)都是許華哲未來(lái)在算法方面想要努力的方向。在感知層面，許華哲已經(jīng)在嘗試做視覺(jué)、聽(tīng)覺(jué)和觸覺(jué)的多模態(tài)融合研究。另外，機(jī)器人如何表征世界同樣是一個(gè)巨大的挑戰(zhàn)，這也是許華哲會(huì)繼續(xù)關(guān)注的一個(gè)問(wèn)題。同時(shí)，許華哲也已經(jīng)開(kāi)始為自己將來(lái)的團(tuán)隊(duì)招納賢才。他對(duì)學(xué)生的期待正如當(dāng)初博士導(dǎo)師對(duì)他的期待一樣：保持好奇心，探索自己真正想要探索的問(wèn)題。他希望組建一個(gè)豐富的、非同質(zhì)化的團(tuán)隊(duì)：「我希望我未來(lái)的團(tuán)隊(duì)里，每個(gè)人擅長(zhǎng)的東西不同。如果我教的學(xué)生在某一個(gè)維度上比我強(qiáng)，或者至少有比我強(qiáng)的潛力，我覺(jué)得我會(huì)很開(kāi)心，因?yàn)槲铱梢詮乃麄兩砩蠈W(xué)到很多東西，而且他們同輩之間也可以互相學(xué)習(xí)，比如我擅長(zhǎng)vision（視覺(jué)），你擅長(zhǎng)simulator（模擬器），他擅長(zhǎng)RL（強(qiáng)化學(xué)習(xí)），另外一個(gè)人可能有一些心理學(xué)或物理學(xué)的背景等等?！?/span>在學(xué)生培養(yǎng)方面，即將成為一名教師的許華哲則抱有這樣的心態(tài)：「把他們培養(yǎng)成大腿，然后再抱住他們的大腿」。這是他對(duì)教育本質(zhì)的理解。他開(kāi)玩笑地說(shuō)：「如果清華的學(xué)生都沒(méi)有辦法超過(guò)清華老師的上限，人類(lèi)的發(fā)展不就停滯了嗎？」「我覺(jué)得我應(yīng)該算是個(gè)『反卷斗士』吧?！?/span>在機(jī)器人學(xué)領(lǐng)域懷揣愿景、潛心鉆研的許華哲，一直以來(lái)都拒絕過(guò)一種「機(jī)器人式」的生活。比起「有用」，或許他更傾向過(guò)「有趣」的人生?！赣腥ぁ共皇且粋€(gè)標(biāo)簽，而是他所身體力行的一種生活哲學(xué)：做有趣的科研，體驗(yàn)有趣的生活，保持有趣的愛(ài)好，對(duì)抗這個(gè)內(nèi)卷加劇的社會(huì)。在科研上，成為一個(gè)「寫(xiě)paper的機(jī)器」并非他想要的狀態(tài)。許華哲回顧，貫穿他科研之路的，一直都是一種「覺(jué)得什么東西好玩就做了」的心態(tài)。博士期間，許華哲就曾做過(guò)一個(gè)很有意思但后來(lái)并未發(fā)表出文章的項(xiàng)目：用強(qiáng)化學(xué)習(xí)教機(jī)械手去學(xué)習(xí)彈鋼琴。發(fā)論文不是他的核心考量，最重要的是去做自己想做的科研。至于如何選擇科研方向，如何面對(duì)科研中的得與失，許華哲有這樣的感悟：「我覺(jué)得要做自己感興趣的事。一個(gè)方向是冷門(mén)還是熱門(mén)，這都是不可控的。比如你去看人工智能的發(fā)展歷史，當(dāng)年Hinton做的內(nèi)容也很冷門(mén)，當(dāng)時(shí)對(duì)于神經(jīng)網(wǎng)絡(luò)這樣一個(gè)奇怪的東西，大家都覺(jué)得沒(méi)意思，都不是很相信。他也是在神經(jīng)網(wǎng)絡(luò)真正大火以后才獲得各種榮譽(yù)。所以，不要太受別人的影響。即使到最后，我們沒(méi)有獲得巨大的成就，但至少在這個(gè)過(guò)程中，我們?cè)谧鲎约合矚g的事情，而不是浪費(fèi)時(shí)間做別人喜歡的事情、去跟別人比賽。」面對(duì)「青椒」的壓力，許華哲的心態(tài)也頗為從容。對(duì)他而言，科研本質(zhì)上只是體驗(yàn)人生的其中一種方式，如果這條路最終行不通，還有很多其他路可以走：去環(huán)游世界，去中學(xué)當(dāng)老師，教學(xué)生搞物理競(jìng)賽，跟朋友們一起彈彈琴，或者隨便找一個(gè)地方開(kāi)個(gè)奶茶店——「我覺(jué)得都挺好的」。在他的世界觀里，生活的意義在于「快樂(lè)地去對(duì)這個(gè)世界進(jìn)行輸入和輸出」，輸入可以是「上課學(xué)習(xí)，看風(fēng)景，吃東西」，輸出則是類(lèi)似于「寫(xiě)論文，教課，做演出」。科研之外，鋼琴和閱讀或許是他「輸入」最多的事情。許華哲從四歲開(kāi)始學(xué)琴，鋼琴已經(jīng)陪伴了他二十多年，在伯克利讀博期間，他還修了音樂(lè)系的專(zhuān)業(yè)課，把樂(lè)理、作曲、配器和指揮都學(xué)了一遍。現(xiàn)在，即使到了博士后階段，他也在跟著斯坦福音樂(lè)系的老師繼續(xù)學(xué)琴。他還從顧城的詩(shī)歌中找到靈感，嘗試寫(xiě)了第一首原創(chuàng)歌曲《攝》（見(jiàn)許華哲主頁(yè)http://hxu.rocks/misc.html）。「如果不做學(xué)術(shù)，現(xiàn)在可能在做什么？」2018年的時(shí)候，AI科技評(píng)論曾做過(guò)一次新年特別推送，采訪了十幾位AI研究青年，當(dāng)時(shí)還在讀博的許華哲對(duì)于這個(gè)問(wèn)題的回答是：「現(xiàn)在可能是一個(gè)不被理解的蹩腳鋼琴家?！乖诤芏嗳寺?tīng)來(lái)昏昏欲睡的古典樂(lè)，許華哲總是能從中感受到無(wú)限的力量。貝多芬是他最喜歡的鋼琴家：「我覺(jué)得貝多芬的人生非常硬核，非常彪悍，我最喜歡他的第三首交響樂(lè)，是他最初寫(xiě)給拿破侖的一首交響樂(lè)，叫《英雄》，我覺(jué)得非常激勵(lì)我?！?/span>除了嚴(yán)肅音樂(lè)，許華哲也喜歡閱讀有趣的文字。對(duì)他來(lái)說(shuō)，閱讀是一個(gè)豐盈內(nèi)心的途徑和學(xué)習(xí)大家思想的媒介。卡爾維諾、黑塞、劉慈欣、阿西莫夫......那些科學(xué)幻想與哲學(xué)思辨都是他進(jìn)入和體驗(yàn)「他世界」的一種門(mén)戶。不久前，許華哲在微信朋友圈里發(fā)了一則招生宣傳，并附上這樣一段話：「10年過(guò)去，曾經(jīng)的二字班小朋友將作為二字班的老師回到母校任教，十分感謝所有在我讀書(shū)，科研期間給予我支持和幫助的親人、師長(zhǎng)、好友。希望可以在清華，將我之所學(xué)、所思，以無(wú)限地?zé)崆?，用于啟發(fā)更多的同學(xué)去學(xué)習(xí)知識(shí)，探索真理。我也會(huì)時(shí)刻反思自己，學(xué)問(wèn)是否足夠，德行是否可為人師表，希望自己也可以在清華的土壤里行健不息，繼續(xù)成長(zhǎng)。」從清華學(xué)子到清華教師，在未來(lái)的日子里，許華哲將繼續(xù)他對(duì)這個(gè)世界的輸入與輸出。以下是AI科技評(píng)論與許華哲的部分對(duì)話節(jié)選：AI科技評(píng)論：您怎么看待科幻作家阿西莫夫提出的“機(jī)器人三定律”？許華哲：首先我認(rèn)為這個(gè)“三定律”說(shuō)得很好，很有意思，我自己也很喜歡阿西莫夫的小說(shuō)，它還是很有價(jià)值的。阿西莫夫的粉絲應(yīng)該都知道，除了這個(gè)定律，后面還有很多人提出了其他定律。比如阿西莫夫自己就還補(bǔ)充“機(jī)器人第零定律”：機(jī)器人必須保護(hù)人類(lèi)的整體利益不受傷害，其他三條定律都是在這一前提下才能成立。還有人提出“繁殖定律”：機(jī)器人不得參與機(jī)器人的設(shè)計(jì)和制造，除非新的機(jī)器人的行動(dòng)服從機(jī)器人學(xué)定律。但現(xiàn)在的人工智能還完全沒(méi)有達(dá)到要認(rèn)真考慮這些定律的水平，好像還為時(shí)尚早，我覺(jué)得，到了該考慮它們的時(shí)候再去考慮也來(lái)得及。AI科技評(píng)論：之前LeCun談到，自監(jiān)督學(xué)習(xí)跟世界模型相結(jié)合可以實(shí)現(xiàn)像人類(lèi)一樣學(xué)習(xí)推理的人工智能系統(tǒng)。也有一些網(wǎng)友認(rèn)為自監(jiān)督學(xué)習(xí)其實(shí)就是強(qiáng)化學(xué)習(xí)。您是怎么看待這種觀點(diǎn)的？自監(jiān)督學(xué)習(xí)與世界模型未來(lái)會(huì)用到您的研究當(dāng)中嗎？許華哲：首先，我認(rèn)為自監(jiān)督學(xué)習(xí)似乎并非就是強(qiáng)化學(xué)習(xí)。自監(jiān)督學(xué)習(xí)還是包含了很多其他任務(wù)的，比如視頻預(yù)測(cè)、圖片補(bǔ)全這些都是自監(jiān)督學(xué)習(xí)，但它們并不是強(qiáng)化學(xué)習(xí)。我覺(jué)得在做強(qiáng)化學(xué)習(xí)的過(guò)程中，我們是可以用到自監(jiān)督學(xué)習(xí)來(lái)學(xué)習(xí)世界模型或者世界運(yùn)動(dòng)規(guī)律，Model Based RL（基于模型的強(qiáng)化學(xué)習(xí)）里的 model其實(shí)就可以用自監(jiān)督學(xué)習(xí)來(lái)完成，所以我覺(jué)得二者確實(shí)有可結(jié)合的點(diǎn)。但是認(rèn)為自監(jiān)督學(xué)習(xí)就是強(qiáng)化學(xué)習(xí)，可能只是稍微懂一點(diǎn)概念，但并非行家之見(jiàn)。AI科技評(píng)論：在結(jié)構(gòu)泛化問(wèn)題上，您覺(jué)得以后會(huì)不會(huì)去適配機(jī)器人的需求來(lái)配套智慧家居？畢竟大部分人可能對(duì)家具的設(shè)計(jì)感要求不高，所以是否可以去適應(yīng)機(jī)器人的能力來(lái)定制一套家具？這會(huì)是解決結(jié)構(gòu)泛化問(wèn)題的一個(gè)方式嗎？許華哲：我的預(yù)測(cè)是，在特定場(chǎng)景下可能會(huì)，但是在通用的場(chǎng)景比如家居場(chǎng)景下，我認(rèn)為不會(huì)。我其實(shí)也做過(guò)一點(diǎn)自動(dòng)駕駛，據(jù)我觀察，自動(dòng)駕駛剛興起的時(shí)候，大家有兩種思路，一種是做算法、做視覺(jué)，然后讓車(chē)子上路。另一種思路則是說(shuō)，如果我做不好算法，那我能不能在道路上面做文章，我能不能搞一種自動(dòng)駕駛專(zhuān)用車(chē)道，或者讓紅綠燈跟汽車(chē)去做通訊等等。但是現(xiàn)在五六年過(guò)去了，看起來(lái)還是前一種從算法著手的思路更占主流。所以回到我們剛剛說(shuō)的機(jī)器人場(chǎng)景，我覺(jué)得在特定場(chǎng)景比如實(shí)驗(yàn)室里，我們可以把場(chǎng)地建造得，對(duì)機(jī)器人很友好，來(lái)讓機(jī)器人更好地發(fā)揮其作用。但是在家居場(chǎng)景中，如果你要讓全中國(guó)或全世界人都要為機(jī)器人量身打造一套家居設(shè)施，這是很不現(xiàn)實(shí)的，第一我覺(jué)得它的成本非常高，大家的接受度也未必會(huì)很高；第二，我覺(jué)得這件事會(huì)牽涉巨大的利益，可能誰(shuí)也不能當(dāng)這個(gè)“頭頭兒”，如果有某個(gè)公司表示要負(fù)責(zé)搞定這個(gè)事情，那不就相當(dāng)于全世界人的房子裝修都由這個(gè)公司說(shuō)了算了嗎？AI科技評(píng)論：你們現(xiàn)在是怎么做的多模態(tài)？視覺(jué)和聽(tīng)覺(jué)、觸覺(jué)是不是要基于不同的技術(shù)？許華哲：在觸覺(jué)方面，我們目前使用的是MIT那邊開(kāi)發(fā)的gelsight sensor，它其實(shí)是相當(dāng)于把一個(gè)觸覺(jué)的信號(hào)（一個(gè)人工手指摸到某個(gè)東西）轉(zhuǎn)換成一個(gè)視覺(jué)的信號(hào)。所以其實(shí)在觸覺(jué)方面，有很多跟視覺(jué)所共享的技術(shù)占領(lǐng)，可以把之前視覺(jué)上面的一些網(wǎng)絡(luò)結(jié)構(gòu)用在對(duì)觸覺(jué)的處理上。當(dāng)然，gelsight 遠(yuǎn)遠(yuǎn)不是最好的觸覺(jué)傳感器，因?yàn)楸热缯f(shuō)，我們的皮膚除了能摸到物體上面的凸起，我們還能通過(guò)感受熱的流動(dòng)來(lái)感覺(jué)到它的材質(zhì)，以及我們還會(huì)聽(tīng)到接觸物體時(shí)產(chǎn)生的聲音等等，這些都會(huì)給我們帶來(lái)更接近人類(lèi)的觸覺(jué)感知。我覺(jué)得未來(lái)的傳感器要想變得更好或者更接近的人類(lèi)，甚至超越人類(lèi)，肯定就需要更新的算法來(lái)解決其他模態(tài)。但目前來(lái)說(shuō)，比如gelsight 這種技術(shù)，可能更多的還是仿照視覺(jué)的處理流程去做觸覺(jué)。AI科技評(píng)論：要實(shí)現(xiàn)通用的機(jī)器人，是否要先實(shí)現(xiàn)通用的人工智能？許華哲：我覺(jué)得未必是這樣的一種先后關(guān)系。我們看科學(xué)史就會(huì)發(fā)現(xiàn)，好像并不存在把一種理論做得足夠完善后再去實(shí)現(xiàn)它的各種應(yīng)用這種情況。更多的是你先有一個(gè)應(yīng)用方面的目標(biāo)，然后你再去思考你的理論有哪里還可以再改進(jìn)，從而使其幫助你達(dá)成在應(yīng)用上的目標(biāo)。比如，人們?cè)趹?zhàn)爭(zhēng)期間搞出一些通訊方面的成果，后來(lái)手機(jī)出現(xiàn)了。我更相信需求驅(qū)動(dòng)的方式，這就是說(shuō)，我們先產(chǎn)生機(jī)器人幫我們做事情的需要，然后會(huì)有很多聰明的頭腦來(lái)做研究，人工智能的發(fā)展線路可能就會(huì)因此而變得明確，即我們究竟要怎么樣才能創(chuàng)建一種有用的人工智能，這是我的一些拙見(jiàn)。作者注：AI人物故事與研究報(bào)道，請(qǐng)?zhí)砑游⑿牛?02703941）。
推薦閱讀
雷峰網(wǎng)(公眾號(hào)：雷峰網(wǎng))雷峰網(wǎng)
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見(jiàn)轉(zhuǎn)載須知。
