對物理定律有直觀理解的機(jī)器人可能聽起來像Isaac Asimov小說中的某些東西，但谷歌機(jī)器人部門的科學(xué)家們說他們基本上創(chuàng)造了它們。他們認(rèn)為，在這樣做的過程中，他們可能為未來能夠?qū)W習(xí)投擲，滑動，旋轉(zhuǎn)，擺動，捕捉和其他運(yùn)動技能的系統(tǒng)奠定基礎(chǔ)，這些技能目前對即使是功能最強(qiáng)大的機(jī)器也構(gòu)成了挑戰(zhàn)。

“盡管在使機(jī)器人有效掌握物體，視覺上自我適應(yīng)甚至從實(shí)際經(jīng)驗(yàn)中學(xué)習(xí)方面取得了相當(dāng)大的進(jìn)步，機(jī)器人操作仍需要仔細(xì)考慮如何拾取，處理和放置各種物體 - 尤其是在非結(jié)構(gòu)化設(shè)置中，“谷歌學(xué)生研究員Andy Zeng在博客中寫道?！暗菣C(jī)器人不僅可以容忍動力學(xué)，而且可以學(xué)會有利地使用它們，開發(fā)物理學(xué)的‘直覺’，使他們能夠更有效地完成任務(wù)？

為了回答這個問題，Zeng和他的同事們與普林斯頓，哥倫比亞和麻省理工學(xué)院的研究人員合作開發(fā)了一個他們稱為TossBot的拾取器機(jī)器人，該機(jī)器人學(xué)會抓住并將物體扔到其“自然范圍”范圍之外的盒子里。它不僅是以前最先進(jìn)型號的兩倍，而且實(shí)現(xiàn)了兩倍的有效放置范圍，而且可以通過自我監(jiān)督來提高。

投入可預(yù)測性并不容易 - 即使對人類也是如此。抓握，姿勢，質(zhì)量，空氣阻力，摩擦力，空氣動力學(xué)以及無數(shù)其他變量會影響物體的軌跡。通過反復(fù)試驗(yàn)對射彈物理進(jìn)行建模是可能的，但曾梵志指出，它計算成本高，需要大量時間，并且不會產(chǎn)生特別普遍的政策。

相反，TossingBot使用射彈彈道模型來估計將物體送到目標(biāo)位置所需的速度，并使用端對端神經(jīng)網(wǎng)絡(luò) - 以生物神經(jīng)元為模型的數(shù)學(xué)函數(shù)層 - 對來自頭頂?shù)囊曈X和深度數(shù)據(jù)進(jìn)行訓(xùn)練用于預(yù)測該估計值之上的調(diào)整的相機(jī)。Zeng表示，這種混合方法使系統(tǒng)的投擲準(zhǔn)確率達(dá)到85%。

教學(xué)TossingBot抓住物體有點(diǎn)棘手。它首先嘗試“壞”抓取，直到它識別出更好的方法，同時通過偶爾隨機(jī)投擲物體以及以前沒有嘗試過的速度來提高其投擲能力。經(jīng)過大約14個小時的10，000次抓握和投擲嘗試后，TossingBot可以在87%的時間內(nèi)牢牢抓住雜亂堆中的物體。

也許更令人印象深刻的是，經(jīng)過一兩個小時的訓(xùn)練，TossingBot可以適應(yīng)前所未有的位置和假水果，裝飾物品和辦公物品，使用類似的，幾何上更簡單的小玩意兒?！癟ossingBot可能學(xué)會更多地依賴幾何線索（例如形狀）來學(xué)習(xí)抓握和投擲，”Zeng說。“這些新興的功能是從頭開始隱式學(xué)習(xí)的，除了任務(wù)級別的抓取和投擲之外沒有任何明確的監(jiān)督。然而，它們似乎足以使系統(tǒng)能夠區(qū)分對象類別（即乒乓球和標(biāo)記筆）?！?/p>

研究人員承認(rèn)，TossingBot尚未使用脆弱的對象進(jìn)行測試，并且使用嚴(yán)格的可視化數(shù)據(jù)作為輸入，這可能會妨礙其在測試中對新對象做出反應(yīng)的能力。但是他們說基本的自負(fù) - 結(jié)合物理學(xué)和深度學(xué)習(xí) - 是未來工作的一個有希望的方向。