解放(fàng)人類的雙手 機器人嘗試自主學習抓取物體

98%的情況下機器人抓取都是(shì)成功的。訓練機器人如何在不掉落的情況下抓住各種物體，通常需要大量的練習。

不過，加州大學伯克利分校和西門子的研究人員(yuán)聯合設計并在即将發表的論文中描述了一款新型的機器人，它可以通過研究一個3D形狀的數據庫來學習如何抓牢新物體。該機器人連接了一個3D傳感器和一個可以深度學習神經網絡，研究人員(yuán)就是(shì)通過這兩者來爲其提供物體的圖像信息。這些信息包括物體形狀、視覺外觀以及如何抓住它們的物理知(zhī)識。

因此，當一個新物體放(fàng)置在機器人面前時，後者隻需将物體與數據庫中的一個類似對象做相(xiàng)應的匹配。在實際操作中，當機器人有超過50%的自信能夠抓住一個新物體時，98%的情況下都會取得成功。不過要是(shì)機器人的自信不足50%，它就會先試探性地抓取這個物體，然後形成一個抓取策略。在這種情況下，機器人有99%成功的機會。所以克服機器人缺乏自信的方法就是(shì)做一個快速的小檢查。

這種訓練方法可以減少大量機器學習的時間，并且使機器人變得更加靈活。Jeff Mahler，一位研究這個項目的博士後向麻省理工科技技術評論表示“我們可以在一天内爲深度神經網絡生成足夠的訓練數據，從而免去(qù)了在一個真正的機器人上運行幾個月物理實驗的麻煩。”目前在工廠中投入使用的機器人對已知(zhī)物體的抓取已經非常精确，但(dàn)是(shì)其面對新物體時仍不能很好的适應。這種訓練策略的效率和機器人握力的可靠性使該方法在未來的商業應用中能夠很好地發揮作用。