說起樂高積木，大多數(shù)人一定都想的是小孩子的玩具吧？但如果再加上Cortex-M4處理器，一兩個馬達(dá)和一些電線綁帶，你能把它玩得有“技術(shù)含量”嗎？當(dāng)然，“技術(shù)流”玩家還是有的，Sebastian F?rster，這位來自德國的嵌入式系統(tǒng)開發(fā)者，便用這些東西搭建了一個四足機(jī)器人，并且用神經(jīng)網(wǎng)絡(luò)教會它走路。這個被命名為“Scratchy”小怪物的機(jī)器人，一共有四個伺服電機(jī)控制四條腿，使用超聲波探測距離，主控則用的是STM32F407探索開發(fā)板。

對此，Arm深度學(xué)習(xí)技術(shù)總監(jiān)Mark Connor專程和Sebstian見面并對他進(jìn)行了采訪，請他談了一下為什么要做這個“小怪物”以及他的心得體會，讓我們一起來圍觀下吧。

能否談?wù)勀阍趺聪氲揭プ鲞@個“小怪物”的嗎？

我目前碩士學(xué)位論文的題目就是有關(guān)如何在更小的Cortex-M處理器上實現(xiàn)機(jī)器學(xué)習(xí)，通過一個神經(jīng)網(wǎng)絡(luò)的實例來做性能測試。而作為測試的一部分，我把FANN神經(jīng)網(wǎng)絡(luò)庫移植到了Cortex-M4上，并且我不想做太學(xué)術(shù)太死板的東西，而希望是有型的東西，于是我選擇做個機(jī)器人。如你所見，其實我沒做的很復(fù)雜，就先把一些樂高積木連到電機(jī)上，然后再連到一塊有足夠Flash和SRAM的STM32F4開發(fā)板上。

“小怪物”的成功也證明了我論文的結(jié)論——在小型的基于Cortex-M設(shè)備上運(yùn)行機(jī)器學(xué)習(xí)算法是完全可能的。

你有沒有試圖自己對腿部動作進(jìn)行編程？

當(dāng)然沒有，這顯然應(yīng)該是讓AI去干的！“小怪物”的結(jié)構(gòu)允許我可以獨(dú)立地訓(xùn)練向前和向后的步法，讓我大吃一驚的是，雖然它沒有膝關(guān)節(jié)，但是也能工作。因為Deep Mind在 Atari Q-Learner上取得了很大的成功，所以我也決定使用Q-Learning，并且我可以在他們的基礎(chǔ)之上編寫Q-learning的代理。 FANN庫其實是由其他人開發(fā)并在LGPL許可下開源的，我只是單純移植到了Cortex-M4上。

你是如何決定網(wǎng)絡(luò)拓?fù)涞模?/p>

SRAM的大小限制了拓補(bǔ)結(jié)構(gòu)，神經(jīng)網(wǎng)絡(luò)可以做的更大，但使用額外的變量會消耗非常多的存儲器空間，而我更想直接在Cortex-M4上直接進(jìn)行訓(xùn)練。在我看來，使用兩個或三個前饋層并沒有太大區(qū)別，盡管我沒有直接比較它們，而我想壓榨一下處理器！

用微控制器進(jìn)行當(dāng)前的神經(jīng)網(wǎng)絡(luò)研究是否容易？

其實裸C（非CUDA）框架完全可以適用于512Kb閃存和256Kb SRAM，我很幸運(yùn)地找到FANN，但是我需要編寫一個小文件系統(tǒng)，以便庫可以直接從閃存加載保存的網(wǎng)絡(luò)權(quán)重。”

你對那些有興趣構(gòu)建和培訓(xùn)自己的機(jī)器人的開發(fā)者，有什么建議嗎？