MIT PhysicsGen：為訓練機器人生成資料

作者：陸向陽

AI的第二波熱潮在1980年代，原訂目標是開發出與人類相仿，具有學習、判斷能力的電腦，但經過10年努力後各方多宣告放棄。10年摸索努力的結果留下兩個副產品，一是專家系統（ES)，二是類神經網路（NN），今日多直接稱神經網路。

專家系統是把人類專家的智慧經驗轉化成判定程式，程式碼龐大且難維護，好處是只要少量資料、少量運算就能得到結果。反之，神經網路倚賴大量資料與大量運算力來實現智慧判定，程式只有少量人工撰寫與若干人力介入，多數時間透過自動迭代運算來練就智慧模型。

2010年代至今AI迎來第三波熱潮，因為客觀環境已不同，今日數位資料豐富、電腦運算力大增，故興起的是神經網路技術，而非專家系統。簡言之，今日能否練就AI智慧能力，其實高度倚賴資料量、資料品質，或稱為資料集、數據集。

接著從另一處來談，筆者曾聽一場資安議題演講，演講完有聽眾問講師：想訓練一個AI模型來偵測惡意程式或惡意流量，但正常的程式跟流量眾多，惡意的極少，這樣訓練出的AI模型肯定成效不彰（惡意樣本不足），該怎麼辦？

講師給了兩個建議，一是如果學習訓練的資料量充沛，可以把正常樣本的量減少，如此惡意樣本的比例相對拉高，AI模型的訓練效果可以改善。另一是運用生成對抗網路（GAN）技術來自動生成一些壞樣本，增加壞樣本的量，一樣在於增加壞樣本的數目、比例。

由此可知，資料如果不足，或資料不容易產生、不容易取得，但我們又要足夠的資料量才能訓練AI模型，這時只好用機器自動產生來增加資料量了。

循此思路，現在NVIDIA鼓勵各界開發實體AI，使自駕車、人型機器人都具有智慧，這時就需要有足夠的實體世界資料集來供模型學習訓練之用。

圖1：NVIDIA認為Physical AI將成為50兆美元商機的大產業（圖片來源：NVIDIA）

實體世界的資料集從何而來？若以無人搬運車而言，可能在搬運車會走動的空間中拍攝諸多圖片供其學習，或透過紅外線測距、超音波測距、雷射測距等所測得的數據為學習資料集。

或者，機器手臂的實體AI學習則是來自人類的親自肢體表現為示範，從示範過程中收集感測數據來成為訓練資料集。

但如果資料不足，或取得足夠的資料需要時間，而開發時程有限，或實體場佈開銷大，預算不足，或者是訓練專案太多，該怎麼辦？這時就必須考慮透過電腦自動生成假的實體資料，來供模型學習訓練了。

而近期麻省理工學院（MIT）與機器人與人工智慧研究所（RAI）就合作推動名為PhysicsGen的計畫，該計畫即運用生成式人工智慧（GenAI）來生成實體性、物理性資料，再將資料供AI模型訓練用。

GenAI通常用來生文字、圖片、影片、聲音等，但現在MIT團隊們嘗試用來生成模型訓練所需要的物理資料，PhysicsGen不僅用來增加資料量，也將目標設定在生成有品質的資料，畢竟資料品質不足、多樣性不足，也是無法訓練出好的模型。

目前PhysicsGen的一種產生實體資料的方式是，讓某個人配戴上虛擬實境（VR）裝置，然後透過該裝置操作電腦螢幕中的物件，如一個盤子、一個杯子等，對該盤子或杯子進行一般人的日常操作，如此PhysicsGen就可以感測、記錄並生成新的物理數據。

圖2：PhysicsGen透過VR操作記錄與生成物理性資料（圖片來源：SimulationNews）

MIT方面稱，相似的人工操作，只要人實際示範整個程序24次，PhysicsGen以此記錄並生成的資料，再供機器人的模型訓練使用，其訓練出的模型，在模仿相同工作的成功率上，便能從60%提高到81%，言下之意PhysicsGen產生了足量、足品質的訓練用資料，從而讓訓練獲得好效果。

圖3：訓練出的AI模型能依不同景況而採取不同的機器手臂操作策略（圖片來源：MIT）

有了PhysicsGen後，要改變機器人的行為也非常容易，重新訓練實體AI模型即可，例如讓一個機械手臂從倒水的功能，變成洗碗的功能，新的模型很快可以練就成，甚至可以省下購買實際杯子、盤子的費用。

目前PhysicsGen還在持續發展，後續還可能朝物理世界的互動反應等方向推進，以此生成更多、更逼近真實世界的訓練資料。

圖4：用虛擬推演（Simulation）方式訓練出的模型成功率高過實際硬體訓練（圖片來源：MIT）

延伸閱讀：

從電子科系畢業後，即以媒體人的角色繼續這段與「電子科技」的不解之緣。歷任電子技術專書作者、電子媒體記者、分析師等角色，並持續寫作不殆。近來投入Arduino、Raspberry Pi等開放硬體的研究與教程介紹。