AI|刚改完名扎克伯格在博客上公布了一款逆天的AI数字皮肤( 四 )_刚改完名|扎克伯格在博客上公

文章图片

▲ReSkin的无监督模型演示
在无监督学习中，算法会受到“未知”数据的影响，这些数据不存在先前定义的类别或标签。这与“监督”学习相反，在“监督”学习中，算法是针对特定输出注释的输入数据进行训练的，直到它们可以检测到其中潜在的关系。在ReSkin上运行的那些无监督机器学习系统，必须从固有数据中自学，能够对未标记的数据进行分类、处理，而不是从注释中学习。
“我们可以使用未标记数据的相对位置来帮助微调传感器的校准程序，而不是提供先验的强制标签。例如，我们知道在三个接触点中，物理上彼此更接近的两个将具有更相似的触觉信号。”Gupta和Hellebrekers解释。
“总而言之， ReSkin开辟了现有系统无法实现的多功能、可扩展且价格低廉的触感模块。现有的基于摄像头的触觉传感器要求设备表面和摄像头之间的距离达到最小，从而导致设计更加笨重。相比之下， ReSkin可以作为一个表层覆盖在人类和机器人的手和手臂上。”
“我们对通用触觉传感器的研究催生了今天的ReSkin ，它具有低成本、便携且续航时间久的优点，其次，它的皮肤就像剥皮和换上新绷带一样容易更换，并且可以立即使用。我们学习的模型在开箱即用的新设备上表现出色。这是一个强大的工具，将帮助研究人员构建AI模型，为广泛应用的多样性提供动力。”Gupta和Hellebrekers写道。
三、开源模拟器、学习框架、基础模型……
为了支持像Digit和ReSkin这样的硬件， Meta今年夏天开源了Tacto和PyTouch ，这是用于PyTorch机器学习框架的库。Tacto是基于视觉的触觉传感器模拟器，而PyTouch是用于触摸传感的机器学习模型和功能的集合。

文章图片

▲PyTouch的界面
Tacto模拟器能以每秒数百帧的速度呈现触摸读数，并且可以将其配置为不同的传感器，包括Meta自己的Digit 。正如Calandra和Lambeta指出的那样，模拟器在原型设计、调试和机器人基准测试中发挥着重要作用，因为它们可以通过测试而避免进行昂贵的实验。他们说：“模拟实验能够使得设备运行更快，除此之外，也可以通过模拟实验获得正确的硬件，并减少触觉传感中硬件表面的磨损和撕裂，这使得模拟对于触摸传感变得更加重要。”
至于PyTouch ，它为传感器提供了基本功能，例如检测触摸和滑动，以及估计物体姿态等。PyTouch可以将现实世界的传感器和Tacto集成，以实现模型验证和将模拟训练的概念转移到现实世界应用程序中的“Sim2Real”功能。Meta还设想PyTouch能够让机器人社区使用专用于“即服务（as a service）”触觉传感的模型，研究人员可以在其中连接传感器，下载预先训练的模型，并将其用作应用程序中的组成部分。