ToyBlocks：机器人学习与评估的受控世界

机器人正在学习叠衣服、分拣零件、处理陌生物体，但这些演示往往相当狭窄，无法说明机器人学到了什么、又为什么会失败。为了研究复杂系统，科学家通常会从一个小的受控环境入手，比如培养皿或生态缸，在其中改变条件并观察结果。机器人学同样需要能支撑这类研究的环境——研究者应当能够更换训练数据或模型设计、重复测试，并追溯失败的成因。11月6日，Ai2（艾伦人工智能研究所）发布了用于构建这类环境的框架，命名为FoundationWorlds。每个FoundationWorld都将一个针对特定场景的受控仿真世界，与自动生成任务和训练演示的工具、以及衡量机器人长期行为表现的指标配对组合，为研究“模型如何随训练数据增加而提升”“如何最好地结合高层推理与精确物理控制”等问题提供实验场所。 首个FoundationWorld名为ToyBlocks，是一个围绕桌面机械臂与积木搭建的开源仿真框架。场景刻意保持简单，但机器人仍需推理积木之间的相互作用，并在推、翻、叠的过程中安排它们的位置。ToyBlocks能自动生成演示数据，也就是机器人在仿真中完成任务的记录，无需耗时的人工遥操作。研究者可以方便地调整训练经验，例如让团队多生成一些推或翻的演示，再在未纳入训练的任务上评估表现。Ai2表示，以ToyBlocks为起点，后续将把这一方法扩展到越来越复杂的环境。 ToyBlocks建立在Ai2此前的开放机器人学习工作之上，包括MolmoAct 2、MolmoBot和MolmoSpaces。作为FoundationWorld，它围绕四项要求设计：逼真的物理与外观；大规模自动生成任务与演示；将推理与灵巧操作结合的挑战；以及对某一领域内可能任务的广泛覆盖。开放式领域需要建模大量物体与交互，很难同时满足全部要求，而ToyBlocks的狭窄范围让这四项要求都能落地。在这个较小的设定中，研究者可以探究机器人如何学会执行任何合理任务，同时确信仿真机械臂和积木的行为与真实物体高度相似。 ToyBlocks并不只是抓取和堆叠积木：积木表面印有图片和字母，可支持搜索、分类和排列任务，机器人可能需要转动积木看清隐藏面，再决定它该放在哪里。域随机化——在不同场景间改变积木尺寸、桌面高度等物理属性——则用来检验模型在几何变化下的泛化能力。框架自动生成技能（短任务行为）和任务演示，可用于训练模型，或通过额外训练（微调）适配已训练模型。高层推理模型决定做什么，低层动作模型控制机器人如何运动。该框架还可用于方便地设计实验、验证假设。ToyBlocks使用了强化学习（RL）等技术。