針對控制機械人的 AI 系統，要進行性能測試成本一直高昂，而 Google Brain 最近推出的一個低成本機器人學習機器人基準（ROBEL），就希望可以解決這個問題。
加州大學伯克萊分校和 Google Brain 的研究人員所開發的 ROBEL 是個開源基準平台，旨在提升實驗效率以及在硬件上進行強化學習。ROBEL 還附帶專門用於分析低成本機械人上 AI 系統質素的基準測試功能。
ROBEL 的開發者在 arXiv 上發表的論文中表示：「這些低成本的模塊化機械人易於維護，並且足夠堅固，可以從頭進行硬件上的強化學習，至今已紀錄了 14,000 多個培訓小時。」ROBEL 可與三指機械手 D’Claw 和四腿機械人 D’Kitty 一起使用。這些機器人的完全組裝版本由 Trossen Robotics 製造，售價分別為 3,200 美元和 3,700 美元。相比之下，較著名的 Sawyer 和 Baxter 機械人價格可能超過 15,000 美元，成本上的問題令小型實驗室以及學校等機構難以採用。
近來，降低成本和提高負擔能力一直是機械人技術研究人員關注的焦點。今年初，加州大學伯克萊分校發布了一款兩臂機器人 Blue，其價格不到 5,000 美元，因此備受重視。而 Facebook AI Research 於今年夏天亦發佈可與售價 5,000 美元的 LoCoBot 機械人配合使用的技術框架 PyRobot，可見低成本機械人的需求甚大。
來源：VentureBeat
