根據(jù)國(guó)外媒體的報(bào)道，研究人員最近研發(fā)出一款新型機(jī)器人，該款機(jī)器人可以迅速抓取任何不規(guī)則形狀的物體。該款被命名為Dex Net 2.0的敏捷機(jī)器人，深入的研究了虛擬圖書(shū)館數(shù)據(jù)庫(kù)中10000個(gè)具備不同特征的三維物體，該機(jī)器人通過(guò)自身的深度學(xué)習(xí)系統(tǒng)，可以迅速的對(duì)物體進(jìn)行預(yù)判，選擇合適的方案來(lái)抓取各種具備不規(guī)則形狀的物體。該款機(jī)器人憑借其出色的功能可以廣泛的應(yīng)用在醫(yī)療領(lǐng)域，也可以用于家庭生活。

這款機(jī)器人是由加州大學(xué)伯克利分校的研究人員所開(kāi)發(fā)，它能輕易抓取任何形狀不規(guī)則的物體。

該款機(jī)器人搭載深度學(xué)習(xí)系統(tǒng)，已經(jīng)對(duì)虛擬圖書(shū)館數(shù)據(jù)庫(kù)中超過(guò)10000的三維物體進(jìn)行了識(shí)別，并且當(dāng)新物體出現(xiàn)的時(shí)候，機(jī)器人可以迅速通過(guò)深度學(xué)習(xí)系統(tǒng)，對(duì)物體進(jìn)行識(shí)別，探究得出一種最佳的抓取方案，準(zhǔn)確的對(duì)各種物體進(jìn)行抓取。

麻省理工學(xué)院的技術(shù)人員表示，該款機(jī)器人要優(yōu)于以往的任何一款機(jī)器人。

通過(guò)測(cè)試，我們有理由相信該款機(jī)器人可以成功的拿起任何形狀不規(guī)則的物體，因?yàn)闇y(cè)試數(shù)據(jù)顯示，當(dāng)機(jī)器人抓起物體抬高和搖晃時(shí)也不會(huì)輕易地把物體弄掉，而且數(shù)據(jù)顯示其沖功率可以高達(dá)98%，遠(yuǎn)遠(yuǎn)超過(guò)任何以往的機(jī)器人。

而當(dāng)該款機(jī)器人實(shí)在難以找到相關(guān)數(shù)據(jù)，不能得出如何抓取形狀不規(guī)則物體的方案時(shí)，機(jī)器人會(huì)通過(guò)觸摸物體來(lái)更好的進(jìn)行計(jì)算，選取最優(yōu)的抓取方案。

一旦機(jī)器人采取了觸摸的預(yù)處理，那么它抓取并抬高物體的成功率將會(huì)達(dá)到99%以上。

通過(guò)與西門(mén)子公司研究小組的合作，展示了Dex Net 2.0機(jī)器人新的學(xué)習(xí)方法。該款機(jī)器人加入了最新的獲取云信息的能力，而這也使得機(jī)器人的功能得到了大幅提升。因此Dex Net 2.0機(jī)器人非常有希望在醫(yī)療機(jī)構(gòu)和家庭生活中發(fā)揮重要作用。

盡管目前許多研究人員正在研究機(jī)器人通過(guò)實(shí)踐學(xué)習(xí)來(lái)掌握和操縱物體的課堂，但是所取得的成果卻并不多。這款被稱(chēng)作Dex Net 2.0的機(jī)器人，實(shí)現(xiàn)了自我學(xué)習(xí)的功能，而且不需要練習(xí)，就可以操控物體。

領(lǐng)導(dǎo)這項(xiàng)研究工作的加州大學(xué)伯克利分?？稀じ甑卤ぃ↘enoGoldberg）教授表示說(shuō)：“雖然我們沒(méi)有做更多的相關(guān)試驗(yàn)，但是我們堅(jiān)信我們可以取得更好的效果，而這也使得我們整個(gè)團(tuán)隊(duì)都非常興奮。”

代替練習(xí)的是機(jī)器人自身的深度學(xué)習(xí)系統(tǒng)，機(jī)器人通過(guò)對(duì)10000個(gè)3D模擬物體進(jìn)行計(jì)算和分析，來(lái)實(shí)現(xiàn)對(duì)于不規(guī)則物體的識(shí)別，對(duì)這10000個(gè)3D模擬物體的研究包括物體的外觀、形狀以及如何抓取等內(nèi)容。

該項(xiàng)目的博士后研究員杰夫馬勒（JeffoMahler）博士表示說(shuō)：“我們可以在一天左右的時(shí)間內(nèi)為深層神經(jīng)網(wǎng)絡(luò)生成足夠的訓(xùn)練數(shù)據(jù)，而不是在一個(gè)真正的機(jī)器人上運(yùn)行數(shù)月的物理試驗(yàn)。”

研究人員計(jì)劃公布他們創(chuàng)建的3D數(shù)據(jù)集，而這個(gè)數(shù)據(jù)集的面世很可能有助于推進(jìn)機(jī)器人更進(jìn)一步的研究。

布朗大學(xué)專(zhuān)攻機(jī)器人學(xué)習(xí)的助理教授斯蒂芬妮o泰勒克斯（StefanieoTellex）博士，雖然沒(méi)有親自參與這項(xiàng)研究，但是一直對(duì)這項(xiàng)研究非常關(guān)注，他表示：“這項(xiàng)研究是一件具有深遠(yuǎn)意義的研究，它可以加速機(jī)器人學(xué)習(xí)方面的進(jìn)步，因?yàn)槭占罅康臋C(jī)器人計(jì)算機(jī)數(shù)據(jù)是一件非常困難的事情。”

這項(xiàng)研究是十分令人興奮的，因?yàn)樗砻饕粋€(gè)模擬數(shù)據(jù)集可以用來(lái)訓(xùn)練模擬物體的抓取，而將這種模式轉(zhuǎn)化為物理機(jī)器人的應(yīng)用才算是真正的成功。控制算法的研究以及機(jī)器硬件和學(xué)習(xí)方法的進(jìn)步正在為新一代機(jī)器人的發(fā)展奠定堅(jiān)實(shí)的基礎(chǔ)。

這些機(jī)器人能夠執(zhí)行更大范圍的日常任務(wù)，某些靈敏的機(jī)器人目前已經(jīng)被應(yīng)用于倉(cāng)庫(kù)中的工作。

麻省理工學(xué)院從事機(jī)器人工作的教授拉斯o特德雷克（RussoTedrake）博士表示說(shuō)：“研究小組在研制更加靈敏、能力更強(qiáng)的機(jī)器人方面取得了長(zhǎng)足的進(jìn)步。”

特德雷克表示說(shuō)：“加州大學(xué)伯克利分校的研究工作是令人印象深刻的，因?yàn)樗缺Ａ袅藱C(jī)器人傳統(tǒng)的學(xué)習(xí)方法，又融入了機(jī)器人新的學(xué)習(xí)方法，而這些學(xué)習(xí)內(nèi)容涉及到對(duì)象的形狀推理方面內(nèi)容?！?/p>

敏捷機(jī)器人的誕生將會(huì)帶來(lái)巨大的經(jīng)濟(jì)效益。

如今在工廠里已經(jīng)投入使用的機(jī)器人是十分精確的，但是當(dāng)它們面對(duì)一個(gè)不熟悉的物體時(shí)，卻顯得十分笨拙。雖然亞馬遜等公司在倉(cāng)庫(kù)里使用機(jī)器人來(lái)移動(dòng)產(chǎn)品，但機(jī)器人不會(huì)為訂單挑選個(gè)性化的對(duì)象，機(jī)器靈巧性的提高可能帶來(lái)人工智能的突破性進(jìn)步。

人類(lèi)手工的靈巧運(yùn)用在人類(lèi)智力的發(fā)展上起到了至關(guān)重要的作用，這也使得人類(lèi)擁有了更加清晰的視覺(jué)，同時(shí)也增加了人類(lèi)大腦的力量，因此人類(lèi)也具備了更有效地操縱對(duì)象的能力，而這也可以在人工智能的發(fā)展中發(fā)揮借鑒作用。