湖北垃圾桶，加厚垃圾桶批发

　　玻璃：主要包括各种玻璃瓶、碎玻璃片、镜子、灯泡等。

　　编者按：本文来自微信公众号“脑极体”（ID：unity007），作者藏狐，。新年伊始，伯克利就传出新进展，他们教机器人做家务的能力更上一层楼了。在**的论文中，伯克利介绍了他们是如何让机器学会读懂人类的潜台词或未尽之意，而不是傻乎乎地按照字面意思或者奖励系统来机械地运动。举个例子，当餐桌机器人上菜时，它会知道躲避酒柜，或者在停电等紧急情况下停止端盘子，而不是为了尽可能多地得到奖赏（端一个盘子系统会提供一个奖励），而马不停蹄地送盘子。甚至还可能直接把盘子打碎，这样就可以获得更多的“盘子”（奖励）了……反正我看到这个新闻时，**反应是机器人可真笨啊，这么简单的任务我两岁的小侄子都会做。第二反应是伯克利教机器人做家务的执念也未免太深了吧！之前还开发过引擎教机器人铺床单、叠衣服、收拾桌面，总之，非要让机器人掺和家务这件事不可。想要挑战家务技能的除了伯克利，还有Deepmind。去年2月，Deepmind就提出了一种新的学习范式“计划**控制SAC-X”，来帮助机器人学会整理桌子和堆叠衣物。前不久佐治亚理工学院的研究人员，也发表了新的强化学习算法，可以教会机器人穿衣服。为什么这么多AI不约而同地走上了家务培训的道路？未来我们能拥有《底特律》中卡拉**姐那样温柔能干的家政机器人吗？本文就来尝试解释一下这些疑惑。家务三十六计：家政机器人都掌握了哪些技能？首先我们来看看，在这么多人类学霸、AI的助攻下，机器人都学会了哪些家务小技能。先来说说“家政狂魔”伯克利。早在去年，我们就解读过伯克利的通用预测模型，它可以帮助机器人自主学习和掌握很多通用基础技能，在此基础上学习和预测主人的意图和任务的共性，从而可以举一反三执行广泛的任务类别，成长为一个优秀的“家务多面手”。比如折叠短裤毛巾、挪移苹果、整理桌面等等。伯克利还推出了一个深度学习模型Dex-NET，基于角点检测和抓取策略，让机器人完成铺床单这一艰巨任务。值得一提的是新的研究成果“偏好优化模型”。机器人不仅能完成通用任务，而且还能够推断出更优解，适应带有隐藏条件的复杂现实环境。比如在常规的“actor-critic”增强学习反馈机制中，主人要求机器人导航前往紫色的门，那么机器人就会选择短路径（传统意义上的**解），而忽略这么做会打碎路上的花瓶。因为机器人无法获知，主人是否关心花瓶会不会被打碎。但如果机器人能自己模拟和演练过去发生过的行为轨迹，比如主人一直都绕着花瓶走，说明她是重视花瓶的完整状态的，由此推断出绕过花瓶是有可能获得奖励、应该积极追求的目标。机器人拥有洞察隐藏条件的能力，意味着它们可以从一种状态中学习人类的偏好，系统无需事无巨细地列出所有现实环境中的因果联系和条件，奖励函数也不再是线性机械的，机器人可以自主模拟和学习过去的经验，判断和应对未知的动态环境。对于做家务这个任务来说，判断主人的喜好来进行作业，可以说是必杀技了。与伯克利相比，Deepmind其实对医疗这种高精尖任务更感兴趣。但这并不妨碍它在家政领域发光发热。Deepmind的“计划**控制SAC-X”模型，就旨在帮助机器人学会探索和掌握家务方面的基本技能。就像婴儿在爬行和走路之前必须发展出协调和平衡能力一样，SAC-X也有助于帮助机器掌握几种核心的视觉-运动技能。比如运用模拟手臂，按照正确的顺序，即使没有见过这各任务，也能从零开始学习，并按要求顺利地把物体举起来。这样就能在无需额外编程的前提下，完成整理桌面这样的复杂任务。此外，乔治亚理工学院将布料引入学习框架，教机器人学会穿衣服的论文也非常别出心裁。因为衣服的布料材质各不相同，穿衣服的动作也无法遵循特定的运动轨迹，会和布料产生复杂的交互变化，机器人必须不断练习，对各个子任务（拽起边缘、扯平衣角等）进行模拟和优化，在不断变化的环境条件中学习到稳定的创意控制策略，终完成穿不同衣服的任务目标。无论衬衫、套头毛衣，还是外套，都是妥妥滴！听起来，好像大部分家务活儿机器人都可以驾驭嘛，但杯具的是，现实中能够见到的家务机器人，干起活来依然是一副又慢又笨的蠢样子。比如由伯克利设计、RethinkRobotics公司开发的家庭助手，叠一个毛巾就要15分钟；而加州FoldiMate推出的智能洗叠机器，可以按照程序把衣服叠成需要的方块，但需要人手动放置在展台上，并没有节省多少人力，售价还高达980美金（约7000块人民币）……emmmm还是自己动手丰衣足食吧。不是比人慢，就是比人贵，靠机器人做家务性价比实在是太低了。那么，既然不能真的帮人类做家务，教机器人学习这些技能，究竟有何意义？为什么是做家务，去工厂搬砖不行吗？这么多研究人才齐上阵，要是去教小学生，怕是都能考上清华了。实在不行，去工厂搬砖也能缓解下劳动力紧张啊，干嘛非要跟家务活儿较劲呢？原因恐怕在于，家政任务提供了一个从零开始学习复杂控制任务的训练环境，这对通用机器智能来说至关重要。首先，家政任务的真实性和多样性，有助于智能体学会如何用少的先验知识来解决复杂问题。先验知识指的是一种不依赖于经验总结（类似编写好的程序，从结果推导过程）的一种元能力，通过观察学会推理和判断。而机器人就没有这种“天生的”知识，但显然我们也不可能将机器人服务的每个家庭、每个可能任务都进行预先编程，这时，训练机器人的通用能力就显得尤为关键了。尽管机器永远不可能拥有像人一样的先验能力和通用性，在各个学科、各个工作岗位都能表现差不多。但在很多垂直领域，比如工业、家务、语言等，先验能力强的机器智能体就可以低成本、高适应性、灵活地完成工作任务，解决那些现在只有人才能解决的问题。另外，家政任务是一个集视觉、触觉、运动、关节控制等为一体的任务，综合性很强，这是其他碎片应用不具备的环境，对训练多元功能协作的智能体很有帮助。比如伯克利教机器人从垃圾桶中拾取原本看不见的物体，就需要通过摄像头采集深度图像，形成模拟数据集，再利用该数据集训练质量卷积神经网络(GQ-CNN)，对物体进行图像分割，确定抓取尝试成功的可能性，后形成抓取成功概率**的策略，再对夹持器关节进行实时精密控制，才能终完成这一操作。一次训练，多种收获。更重要的是，家务的操作环境比起工业机器人、电子游戏等，都更加松散，充满变化，任务的主观预期和隐藏含义更难界定和预测，无形中加大了训练难度。与此同时，家政任务的训练成本也比较低，也更容易为大众所理解，社会效益和营销价值双丰收。相比对机器狗拳打脚踢、在《Dota》中血虐真人玩家，让机器做做家务简直堪称是政治正确、价廉物美的训练方式了。醉翁之意：做完家务，这些研究还有什么用？在家政机器人背后，实际隐含的是一种智能体创生的本质逻辑：在复杂的环境中自己探索出解决随机和非结构化问题的合理方案，可以安全地与环境交互，同时高效地完成任务。具体一点说，训练家政机器人，主要有一下三个方面的好处：一是培养更具有通用智能的机器人，在不需要过多指导的前提下，执行一系列任务，提高机器自动化的安全性和工作效率。二是有助于开发用于分层规划、感知和推理的算法，可以帮助自动驾驶、工业自动化、智能物联网等等领域解决应用问题；三是推动零样本学习、少样本学习等技术的进步。在缺乏外部奖励信号的情况下，算法也能很好地推理出行为的意图，可以显著提升电商、内容产品推荐系统的使用体验。这样，大家恐怕就不难理解，为什家务会成为通用智能体成长道路上无法绕过的“垫脚石”了。后可能还有人想问：不爱做家务星人，我只关心机器人啥时候能进我家给我叠被铺床？我只能说：亲亲这边建议直接睡觉呢梦里什么都有~

　　塑料：主要包括各种塑料袋、塑料包装物、一次性塑料餐盒和餐具、牙刷、杯子、矿泉水瓶、牙膏皮等。

　　编者按：本文来自微信公众号“涵的硅谷成长笔记”（ID：HanGrowth），作者Han涵。。份工作，年薪8万美金，约合人民币50万，多么？如果你在旧金山/硅谷工作，并且有家要养，那你可能要住的很远。有多远呢？每天上班...6小时。Sheila就是这样。她是一个在旧金山CBD工作的普通公务员，年薪81000美金。“嘀，嘀嘀”，这不是抖音，是Sheila设定在凌晨2:15分的闹铃。她每天都要这么早起床，先收拾家务，再准备自己的早饭和午饭。她住在距离旧金山市中心130公里之外的Stockton镇。每天上班，她需要先开车7分钟到火车站，之后乘坐4:20的早班Altamont特快列车。虽然很早，但是和她一样赶车的人，大有人在。这些人大多和Sheila一样，收入不高，而他们的职业，也大多是为硅谷码农们服务的。比如，给码农做饭的，给码农看公司大门的，给码农修车的，等等。一个小时之后，火车到达了Pleasanton站。这时，天也开始蒙蒙亮。但，这只是她旅途的中场休息。接下来，她需要搭乘公交，前往地铁站。旧金山大湾区是加州北部的重要城市群，因一道海湾深入内陆而得名“湾区”，即BayArea。**的旧金山城和硅谷地区就坐落于此。湾区的地铁系统叫做BART（BayAreaRapidTransit），从旧金山市中心蔓延到整个湾区。虽然往返一趟，就要花掉接近15美金，但作为市政福利，跟北京地铁一样，他一直号称在亏本运行。Pleasanton是蓝线的起点，当Sheila到达车站时，这几乎没人。这也是她早起的原因之一，毕竟年纪大了，要是七八点的早高峰，那可挤不过年轻人。和4点多的火车上大家睡了一片不同，6点多的地铁上，人们都已逐渐苏醒，玩着手机。早7点，Sheila终于抵达目的地，旧金山市政中心地铁站（CivicCenter）。迎接她的，是一天8小时的紧张工作，还有另外3小时的回家路程。通勤，只能杀死1000万北京青年么？在大洋彼岸的美国，它依然可以杀人。西边的旧金山湾区，东边的纽约，就像北边的北京和南边的上海一样。一个是格子衬衫码农遍地的望京硅谷，另一个则是西装金融男挤满地铁的华尔街陆家嘴。两国年轻人一毕业，就都着了魔一般地涌向这里。可是，来这里逐梦的他们，兴奋不了多久，就会发现：咦？上班路上花的时间，好像有点长。根据美国人口调查局（UnitedStatesCensusBureau）统计，上班单程花费90分钟，则属于“极限通勤”（ExtremeCommuting）人群。而其中一大部分，都来自于硅谷和纽约。我身边的同事，也有非常多的人，都接近或达到了这一标准。（极限通勤人口占比，硅谷纽约位居前列）那么，是什么造成了硅谷的通勤难题呢？房价。来看一下整个旧金山大湾区的房价情况。下图中，颜色越深代表房价越高。Sheila工作的旧金山市中心，去年的房屋成交价中位数是120万美金，而她居住的Stockton则只需要26万美金，整整差出5倍。而图中颜色深的部分，除了旧金山市中心以外，就是传统意义上的硅谷了，这里聚集着大量的工作机会。房价显然直接和公司位置挂钩。旧金山市中心，有着明星创业公司Uber,Airbnb,Pinterest等；而南湾的硅谷，则云集facebook，Google，Apple等各路大型科技企业。想要住的离公司近，上班时间短，那你就要忍受高房价。如果忍受不了硅谷腹地南湾地区的高房价，你还可以考虑跨过海湾，住到东部的Fremont，这里的房价则要便宜2~3成。当然，你也可以选择继续向东，搬的更接近内陆。那你需要翻过一座大山，住到Pleasanton，也就是上面Sheila换乘地铁的地方。同样的价格，在硅谷腹地，你只能住一个小公寓，而在Pleasanton，那可就是带泳池的大别墅了。只是，这里的气候类型都已经和硅谷不同。继续向东当然会更便宜，只是有一个声音持续荡漾在硅谷码农们脑后：不能再向东了。是结界，有人窃窃私语。除了高房价，交通拥堵也是造成超长通勤时间的一大因素。因为公共交通不发达，自己开车或者坐班车几乎是**选择。高速公路就成为了硅谷地区重要的交通生命线。101，237，85，880，280这些高速公路代码就像噩梦一般，萦绕在每一个硅谷人脑海之中。每每听到这些数字，大家都会觉得堵得慌。堵的不只是路上，更是心里。“老子收入都已经全美前1%了，还特么只混成这样！”是每个硅谷码农心里的痛。说好的每天出门开跑车呢，车倒是能有，但是你给老子跑啊。于是有倔强的码农毅然决定，住车里。从麻省搬来湾区的谷歌程序员Brandon就是这样的例子。他一毕业刚到硅谷，就给自己买了辆车，只不过，是辆卡车...他选择把车停在公司停车场，而自己则住在车里。虽说这卡车实在是不舒服，而且小到只能放一个床和柜子，但是考虑到Google为员工提供免费三餐、健身房和淋浴，其实作为一个只睡觉的地方，还是能忍的。毕竟，免去房租，这让刚毕业的Brandon攒下了90%的税后工资，让他可以尽快买房找到。不要以为通勤只困扰刚来的年轻码农，就算你做到了高管住进豪宅，苍天也从未饶过任何人。在硅谷大东边的山区中，隐藏着一个极为静谧的**别墅区CameronPark。这里云集无数硅谷高管，而他们则选择开飞机上班。这里每家每户除了车库，还有一个飞机库...而小区自带的，除了超宽马路和绝美湖景以外，还有一个飞机场。这样高管们直接从家里出来，开着飞机就可以去硅谷上班了。只不过，现在硅谷不仅地上堵，天上也堵。在湾区，不算小型机场的话，仅大型国际机场就有三个之多：旧金山国际机场（SFO），圣何塞国际机场（SJC）和奥克兰国际机场（OAK）。每天在这里起降的国内国际航线几乎把航路全部占满。另外，随着越来越多的高管拥有了私人飞机，为了起降安全，私人飞机都要排队升空。终，即使你能开飞机上班，单程通勤时间也会超过50分钟。这就是硅谷。就像你一毕业就奔向北京一样，只要硅谷的工作岗位还在，无数的年轻人就会义无反顾地向这里涌入，为了美国梦打拼，放弃一切，干劲十足。我至今都记得《动物城》的一个镜头：当朱迪满怀信心地开启动物城新生活时，给她当头**棒的，就是那“充满魅力的豪华公寓”。此后，她才知道了大城市打拼的艰辛。也许，在美国中部工作提前养老的你，在中国小城体制内无所事事的你，不想每天在柴米油盐和刷剧当中度过，依然渴望冒险和不想就这么过一辈子。那么，真的希望，当你踏进硅谷和北京时，当你每天堵在上班路上时，内心依然是少年。