OpenAI官方爲這隻AI機械手激動了：
“機器人的前所未有之境，就算人類也難以做到。”
說的啥新進展？單手玩魔方。
相比之下，人類新手能穩穩拿住魔方都不容易：
而且不僅玩得轉魔方，捆綁Play也不在話下。
沒人告訴它該怎麼調配手指，還需要克服人類強行使的各種絆子，但AI機械手可以隨時調整不斷學習，最後最短時間內完成魔方翻轉。
這就是OpenAI用強化學習最新訓練出的AI系統。
並且，還是單手操作。
視頻一經放出，迅速躥紅推特，攬下6000+點贊，網友驚呼：
AI玩魔方都玩得比我好了！
這事兒不簡單
且不說量子位這樣的手殘黨，單手恢復魔方，對於普通人類而言也並不簡單。
不信的話，隨便拿起身邊一個直徑6釐米的塊狀物體，單手轉起來。小心拿穩了，砸到腳還挺疼的（別問我怎麼知道的）。
而對機械手來說，問題就更復雜了。
機械手遠沒有人手這樣靈活，抓取力度控制也挑戰不小。
就算是“媲美”人手，能使用的場景或泛化遷移能力，也道阻且長。
比如這位MIT工程師，就吃過大虧：
△生活大爆炸
而更大的挑戰，是現實世界中複雜的物理參數。
在玩魔方這個任務當中，機械手跟魔方之間的摩擦力、彈性和其他動力學因素都很難測量，更別說精細建模了。
並且，在模擬仿真環境中訓練出來的AI，面對複雜多變的真實物理世界，是否能保持魯棒，也是一個大問題。
比如說帶個橡膠手套，摩擦力就變了：
兩個手指被綁住，難度也會與模擬訓練時大大不同：
甚至可能會跑出來一隻長頸鹿，試圖叼走魔方：
如此種種，使得sim2real（從模擬環境到現實環境）變得非常困難，僅憑過去的域隨機化（Domain Randomization）算法（見注）已經不足以解決。
注：域隨機化（Domain Randomization）由OpenAI提出，能夠創建具有隨機屬性的各種模擬環境，並訓練可在任何環境中工作的模型。
論文地址：https://arxiv.org/abs/1710.06537
所以機械手玩轉魔方，真真是一次力與美的結合、靈與器的共舞。
而OpenAI的核心祕訣，在於進一步開發了一種新的算法，稱爲自動域隨機化（ADR）。
當然，機械手的構造也來頭不小。
先看神奇之手的硬件結構
OpenAI的機械手，裝載一個巨大的支架中。
在這個支架裏，包含一個PhaseSpace運動捕捉系統、一個RGB相機。機械手的每個指尖上都有一個LED燈，系統就是通過這一組燈來捕捉機械手的動作。
操縱魔方的機器人手來自影子機器人公司（Shadow Robot Company），基於旗下 Dextrous E系列機械手打造。
這原本是一家想做雙足機器人的公司，因爲發現自己的水平遠不及本田已經造出的機器人，於是棄腳從手，轉而去開發機械手，並造出了世界上第一臺擬真機械手。
△ 影子機器人公司開發的機器人
具體結構上，Dextrous有20個可驅動的關節：中指和無名指各有3個驅動關節和1個非驅動關節，小指和拇指有5個驅動關節，以及一個有2個驅動關節的腕部。
爲了“玩轉魔方”，OpenAI和影子機器人公司，還合作提高了機器手組件的堅固性和可靠性。增加了手的握力，並減小了肌腱應力，並且調整了關節之間的交聯，最大程度地減小了扭矩的限制。
與人類“十指連心”類似，他們除了在機械手上安裝了位置和力傳感器，還在指尖上安裝了超靈敏的觸摸傳感器，以達到接近人手的效果。
實驗中用到的魔方也不是普通的魔方。
不少米粉或許也會覺得眼熟，它是小米的計客超級魔方（GiiKER cube），內部有可感應方向的藍牙與運動傳感器。
計客超級魔方具有90度的面角分辨率，但OpenAI團隊對其進行了修改，將精度提高到了大約5度。
再看軟件算法功力：從模擬到現實
雖然我們看到擰魔方是在實際的機械手上發生的，但實際上這一過程主要發生在模擬軟件中，然後將AI從模擬中學習到的東西轉移到了現實世界中。
OpenAI在機械手上用到了兩大法寶：
一個是曾經打敗Dota 2世界冠軍團隊的AI系統OpenAI Five；
另一個是自動域隨機化（ADR，Automatic Domain Randomization）。
ADR會不斷在仿真中生成越來越困難的環境，使系統擺脫精確模型對現實的束縛，從而使模擬環境中的神經網絡能夠遷移到真實世界。
這裏提到的環境中的隨機化是什麼呢？
其中包括模擬器考慮到的物理特性（如幾何形狀、摩擦和重力），以及模擬器未能考慮到的一些物理效應。
比如魔方的大小，就是隨機化參數之一。
△ADR在魔方大小上的應用
此外，還有照明條件之類的視覺元素、相機位置和角度、物體的材料和外觀、背景紋理甚至是渲染圖像的後處理效果。
研究人員表示，這項研究的重要意義在於：一旦弄清楚如何在仿真中訓練這些模型，就可以有效地獲取無窮數據，然後將模型遷移到機器人上，在現實世界中利用它們。
既然是用強化學習，必然會涉及到獎勵機制，OpenAI團隊在這個實驗中定義了三個：
- 系統當前狀態與目標狀態之間的差異；
- 達成目標時給予獎勵；
- 每當手中魔方掉落時就受到懲罰。
爲了系統測試每次翻轉魔方成功時間，OpenAI還測量了神經網絡在不同擾動下的結果，比如重置網絡的內存、重置力或斷開關節等等。
而且這種“訓練”以虛擬仿真爲主，能夠在受控的環境中平均進行1萬多次試驗。
最初，隨着神經網絡成功實現更多翻轉，成功的時間會不斷縮短，神經網絡學會了適應。
從結果上來看，機械手成功翻轉魔方的時間，會越來越短。
即便添加新干擾、環境有變化，機械手也會調整策略，重新學習後迅速達到最佳基準。
所以這支神奇之手，現在究竟達到啥水平？
最最最難情況下——一方面是需要旋轉26次魔方纔能完成，另一方面加入最大外部擾動，機械手成功率20%。
但如果是旋轉15次就能完成魔方復原的“平均情況”，機械手成功率就能穩定在60%。
值得一提的是，這也是人類在該方向上的新嘗試、新紀錄，打開了新前景。
騰訊AI也挑戰過魔方
OpenAI挑戰魔方，倒不是突發奇想。
從去年開始，他們就已經在推進前序工作，當時開發過一個靈巧的機械手系統，叫做Dactyl。
不過那時OpenAI用它“盤”木塊，尺寸比現在的魔方小一些，而且也沒有轉動部件。
只要告訴機械手目標，不必告訴它具體操作步驟，它就能給你把木塊轉到指定的方向上，而且這套系統也是是在模擬器裏訓練出來的強化學習算法。
除了OpenAI，還有來自中國的玩家。
最知名的是騰訊。今年年初，騰訊AI與香港中文大學合作，進行了一項模擬實驗。
實驗有點類似OpenAI的“軟件”部分：在虛擬環境中，用一隻機械手解決魔方問題。
在騰訊其後發表的論文結果裏：1400次試驗過程中平均成功率達到了90.3％，而對AI模型再訓練3萬次，成功率會提高到95.2％。
而現在OpenAI更進一步。
在不犧牲準確性和魯棒性的情況下，成功地將模擬實驗轉移到了現實世界的機械手上。
比喻來說，就是騰訊AI在這件事上核心練了口訣和心法，而OpenAI現在把拳腳也練完了，軟硬結合，下一步會更有想象空間。
OpenAI自己也坦承，這隻神奇之手，會推動通用機器人。
費錢費電：64個V100
一開始也介紹過，這項研究結果一發布，就引起網絡熱議。
這樣一隻靈活又機智的機械手，首先讓網友紛紛聯想到了終結者。
有網友說：
它讓我感到鵝妹子嚶/瑟瑟發抖的，是它用一種讓人感覺既熟悉又完全陌生的方式，在執行人類活動。
不過，比起這些，OpenAI這次的訓練投入，更是每一秒都在讓經費熊熊燃燒。
他們使用了64個V100和920臺32核CPU的主機，並且連續訓練了好幾個月，這樣的訓練成本，就夠讓人瑟瑟發抖的了。
如果有人開心，那也是英偉達老闆黃教主。
所以你又怎麼看這項酷酷的新進展？
歡迎說說你的想法。
傳送門
官方博客： https://openai.com/blog/solving-rubiks-cube/
論文地址： https://d4mucfpksywv.cloudfront.net/papers/solving-rubiks-cube.pdf
騰訊與港中大相關研究： https://arxiv.org/pdf/1907.11388.pd
鈦媒體注：本文來自於微信公衆號量子位（ID：QbitAI），作者爲邊策、魚羊，鈦媒體經授權發佈。