DeepMind新作：8个机械臂协同干活0碰撞

一群机械臂手忙脚乱地自己干活，彼此配合、互不碰撞。

科幻大片场景真的走入现实了。优雅，实在是优雅。

△视频中为4个机械臂，在仿真环境下4个安装在桌子上，另外4个安装在天花板上。

这就是发表在Science子刊Science Robotics上，由DeepMind、Intrinsic AI和UCL等研究机构共同提出的最新成果——RoboBallet（机器芭蕾）。

RoboBallet创新性地将图神经网络（GNN）用于强化学习，作为其策略网络和状态-动作价值估计，以解决多机器人（机械臂）协作运动规划中的复杂问题。

这一方法最多可以同时控制8个机械臂，协调多达56个自由度的配置空间，并处理多达40个共享任务， 每一步规划仅需0.3毫秒，且任务分配和调度完全不受约束。

值得一提的是，这篇论文的通讯作者——Matthew Lai，可谓是谷歌DeepMind的资深研究员。自2016年加入谷歌DeepMind以来，他曾参与过AlphaGo、AlphaZero等明星项目。

利用图神经网络与强化学习

总的来说，RoboBallet的核心是把图神经网络与强化学习结合起来，采用图神经网络（GNN）作为策略网络和状态-动作价值估计，解决了大规模多机器人任务分配、调度和运动规划的联合问题，实现了在计算上高效、可扩展且能零样本泛化的高质量轨迹规划。

具体来说，在现代自动化制造中，核心挑战在于如何让多个机器人在共享的、充满障碍物的空间中无碰撞地高效协作，以完成大量任务（如焊接、装配等）。

这涉及到三个高度复杂的子问题：

任务分配（Task Allocation）：决定哪个机器人执行哪个任务，以最小化总执行时间。

任务调度（Task Scheduling）：决定任务的执行顺序。

运动规划（Motion Planning）：在关节空间中寻找一条无碰撞路径，使机器人末端执行器移动到目标姿态。

这三个子问题一组合，复杂度急剧增加，传统算法在真实场景中往往难以计算可行解，工业界目前主要依赖耗时且劳动密集的人工规划。

因此，为了应对这种高维复杂性，RoboBallet就被用来在随机生成的环境中进行任务和运动规划，其能够为与训练期间所见环境不同的环境（具有任意障碍物几何形状、任务姿态和机器人位置）规划多臂抓取膘迹。

为了实现这一点，RoboBallet在数据表示层面，创新性地将整个场景建模为图结构。

其中，图中的节点代表场景中的核心实体，包括机器人、任务和障碍物，而边（Edge）则表示这些实体之间的关系（例如，相对姿态）。

机器人节点之间存在双向边，以支持相互协调和避碰。而任务节点和障碍物节点到机器人节点则存在单向边，用于向机器人传递规划所需的环境信息（如图c）

接下来，RoboBallet使用图神经网络（GNN）作为策略网络，通过权重共享来处理不断变化的图大小。其以观测图作为输入，并在每个时间步为所有机器人生成指令关节速度。这使得机械臂能够在只接收原始状态作为输入的情况下，进行关系和组合推理。

而在具体的策略学习和评估阶段，RoboBallet通过微调TD3（Twin-Delayed Deep Deterministic Policy Gradient）算法来训练策略网络，使模型能够生成多机械臂轨迹，同时解决任务分配、调度和运动规划等子问题，使得昂贵的在线计算转移到了离线训练阶段。

（注：在此任务中，机械臂因成功解决任务和避免碰撞而获得奖励）

同时，为了解决稀疏奖励的问题，RoboBallet还采用了Hindsight Experience Replay方法，使模型能够在没有人工设计的奖励函数的情况下高效学习。

在具体的部署方面，RoboBallet使用Franka Panda的七自由度机械臂、在随机障碍物和任务的模拟环境进行训练。

为了验证性能，研究团队在一个包含4（8）个机器人、40个任务和30个障碍物的模拟工作单元中进行测试，并与RRT-Connect方法进行比较。值得一提的是，这一切都只需在一块 GPU（图形处理单元）上完成，无论是真实的还是模拟的多臂工作单元。

实验表明，RoboBallet在多个关键指标上表现出色：

在训练时间的扩展性方面，即使任务数量增加四倍，RoboBallet收敛所需的训练步数也只是略有增加。

在规划速度方面。实验表明，在推理阶段，即便是包含8个机器人和40个任务的最大场景，每个规划步在NVIDIA A100上只需约0.3毫秒，能够实现10 Hz时间步下超过300倍的实时规划速度。

在单个Intel Cascade Lake CPU核心上，每个步长大约需要30毫秒，在10Hz时间步下仍比实时快约3倍。每个规划步骤包括对整个场景进行一次推理和一次碰撞检测。

在多智能体协同方面，随着机器人数量从4个增加到8个 ，平均执行时间减少了约60%。

而在泛化性方面，模型在随机生成的环境中训练后，无需额外训练即可零样本迁移（zero-shot）到具有不同机器人位置、障碍物几何形状和任务姿态的新环境中。

最后，RoboBallet 的高速和可扩展性使其能够应用于工作单元布局优化（将任务执行时间缩短了33%）、容错规划和基于在线感知的重新规划等新能力。