近年来，深度学习算法在包括艺术学科在内的各个领域都取得了显著的成绩。事实上，世界各地的许多计算机科学家已经成功地开发了可以创作艺术作品的模型，包括诗歌，绘画和素描。
首尔国立大学的研究人员最近推出了一种新的艺术深度学习框架，旨在提高素描机器人的技能。他们的框架在ICRA 2022上发表的一篇论文中引入，并在arXiv上预先发布，允许素描机器人同时学习基于行程的渲染和运动控制。
“我们研究的主要动机是用非基于规则的机制（如深度学习）来做一些很酷的事情。我们认为绘画是一件很酷的事情，可以表明绘画表演者是否是一个博学的机器人而不是人类，“该论文的第一作者Ganghun Lee告诉TechXplore。“最近的深度学习技术在艺术领域显示出惊人的结果，但其中大多数都是关于生成模型的，这些模型可以同时产生整个像素的结果。
Lee和他的同事们没有开发一个通过生成特定的像素图案来产生艺术作品的生成模型，而是创建了一个框架，将绘画表示为一个顺序决策过程。这种顺序过程类似于人类使用钢笔或铅笔绘制单个线条以逐渐创建草图的方式。
然后，研究人员希望将他们的框架应用于机器人素描代理，以便它可以使用真正的钢笔或铅笔实时生成草图。虽然其他团队过去为“机器人艺术家”创建了深度学习算法，但这些模型通常需要包含草图和图纸的大型训练数据集，以及反向运动学方法来教机器人操纵笔并用它画草图。
另一方面，Lee和他的同事创建的框架没有接受过任何现实世界绘图示例的训练。相反，随着时间的推移，它可以通过反复试验的过程自主开发自己的绘图策略。
“我们的框架也没有使用反向运动学，这使得机器人的运动有点严格，相反，它还让系统找到自己的运动技巧（调整关节值），使运动风格尽可能自然，”Lee说。“换句话说，它直接移动其关节而没有基元，而许多机器人系统通常使用基元来移动。
图片来源：Lee et al.
这个研究小组创建的模型包括两个“虚拟代理”，即上层和下层智能体。上层阶级特工的角色是学习新的绘画技巧，而下层阶级特工则学习有效的运动策略。
这两个虚拟代理使用强化学习技术进行单独训练，只有在完成各自的训练后才会配对。然后，Lee和他的同事在一系列真实世界的实验中测试了他们的组合性能，使用带有2D夹具的6-DoF机器人手臂。在这些初始测试中获得的结果非常令人鼓舞，因为该算法允许机器人代理生成特定图像的良好草图。
图片来源：Lee et al.
“我们发现，为每个目标训练的基于强化学习的模块可以合并，以实现更大的协作目标，”Lee解释说。“在分层设置中，来自上层代理的决定可以是'中间状态'，这允许下层代理观察做出较低的决策。如果每个级别的代理都训练有素，并且足够推广到每个状态空间，那么由每个模块组成的整个系统就可以做伟大的事情。然而，基本条件是，正如所有强化学习方法一样，每个代理的奖励函数都应该是精心塑造的（这并不容易）。
将来，Lee和他的同事创建的框架可用于提高现有和新开发的机器人素描代理的性能。与此同时，Lee正在开发类似的基于创造性强化学习的模型，包括一个可以产生艺术拼贴画的系统。
图片来源：Lee et al.
“我们还想将任务扩展到更复杂的机器人绘图，例如绘画，但我现在更关注强化学习应用本身的实际问题，而不是机器人绘图，”Lee补充道。“我希望我们的论文成为一个有趣且有意义的例子，说明纯粹基于强化学习的应用程序，特别是配备机器人。
原文标题：A deep learning framework to enhance the capabilities of a robotic sketching agent
原文链接：https://techxplore.com/news/2022-08-deep-framework-capabilities-robotic-agent.html
作者：Ingrid Fadelli
编译：LCR
好了，这篇文章的内容发货联盟就和大家分享到这里，如果大家网络推广引流创业感兴趣，可以添加微信：80709525 备注：发货联盟引流学习； 我拉你进直播课程学习群，每周135晚上都是有实战干货的推广引流技术课程免费分享！
