如果你只需要向機器人展示一次任務怎么辦?OpenAI開發了一種人工智能系統，其中機器人可以從單個虛擬演示中學習，并在不同的設置中重復現實世界中的任務。最好的工人是你可以展示一次任務的人，然后讓他們從那時起完美地完成任務。雖然像Rethink Robotics的Baxter這樣的協作機器人能夠在真實世界的演練之后模仿裝配任務，但教授機器人可能是一項耗時的物理任務。甚至一旦機器人被教導，它就不一定能夠動態地適應這種情況。例如，在箱子中放置一個錯位的部件可能會破壞機器人的整個過程。

OpenAI是一家非營利性人工智能研究公司，它圍繞此開發了一個解決方案 - 一個在虛擬現實(VR)環境中訓練機器人的系統。成功部署后，此系統允許機器人僅在看到一次后才能學習任務。

OpenAI由特斯拉首席執行官Elon Musk，PayPal創始人Peter Thiel和Y Combinator創始人Jessica Livingston等贊助商組成，他們創建了一個系統的工作原型，允許機器人學習并動態執行塊堆疊任務。希望這將是創建機器人和合作機器人的踏腳石，可以學習和適應未來更復雜的任務。

您或您的團隊每天都使用CAD和/或PLM軟件和工具。您習慣了工作流程，并學會了如何適應限制。在本次網絡研討會中，您將了解可以無縫添加現有平臺的新工具，以改善工作流程并縮短工程時間。

“啟動使人類能夠迅速學習新的行為。我們也希望我們的機器人能夠這樣學習，“技術人員OpenAI的成員Josh Tobin在OpenAI發布的視頻中解釋道。

該系統通過結合兩個深度學習神經網絡來工作，一個用于視覺，一個用于模仿。視覺網絡處理機器人的相機所看到的內容，然后模仿網絡根據所看到的內容確定機器人需要采取什么行動來執行其分配的任務。

使用稱為域隨機化的方法訓練系統的視覺部分，其允許模擬圖像與真實圖像相關聯。“我們生成了數以千計的物體位置，光照設置和表面紋理，并向神經網絡展示了它們，”托賓說。“經過培訓，網絡可以在物理世界中找到塊，即使它之前從未見過來自相機的真實圖像。”

使用一次性模仿訓練模仿神經網絡。基本上，當使用一次性模仿時，網絡學習任務(即將塊堆疊到塔中)，然后計算出如何實現其結果而不管其情況如何。將其與視覺神經網絡相結合意味著機器人能夠在各種條件下找出如何自行堆疊塊。每次都不需要將塊放置在相同的布置中，因為機器可以將塊重新對齊，然后將它們放置在需要它們的位置。

OpenAI并不是唯一一個希望使用虛擬模擬訓練機器人的團體。今年早些時候，GPU制造商Nvidia宣布推出Isaac，這是一個使用強化學習在虛擬環境中訓練機器人的系統(讓機器人一遍又一遍地完成任務直到它正確完成)。Isaac系統部分利用OpenAI Gym，這是OpenAI發布的開源工具包，用于開發和比較AI算法。