谷歌机械手简直太神了！机器人工业时代还会远吗？

分享到：
微信
新浪微博
QQ空间
豆瓣网
百度贴吧
开心网
复制网址

在学习抓东西时，婴儿结合了视觉和运动技能这两大系统。通过两种机制和大量试错练习，我们便学会了以不同方式抓取铅笔和订书机。如今，机器人也开始以相同方式进行学习。
谷歌正在教机器人一个简单任务：从一个容器里抓起物品，再放置到另一个容器里。机器人抓东西并非头一遭，但这些机器人是在根据持续不断地反馈，学习以新方式抓取不同形状、大小、特点的物体。举例而言，他们已经学会了以不同方式抓取柔软或坚硬的物品。
谷歌的方式有异于一般的机械手臂的抓取方式，不是不断的重复抓取姿势，而是不断分析物品、分析机器手和物品之间的关系，使其具有更强的随机应变能力，就像人类一样。
其实，这些机器人不过是由大脑、手臂、摄像机构成。手臂由两个深度神经网络所控制，它一共有三个关节，并连接着两根用来抓东西的手指。深度神经网络是人工智能的一种流行方式，因为它们能够通过大量数据做出预测。这回，其中一个神经网络只负责看容器照片，并预测机器手是否能够正确地抓取物品；而另一个则负责了解手抓取得怎么样，并通知第一个网络做出调整。  研究人员指出，机器人并不需要根据摄像机的不同位置进行校准。只要相机能够清楚地拍到容器和手臂，神经网络便可以进行调整，继续学习抓取物品。
两个多月来，谷歌让机器人抓东西抓了80多万次。在任何给定时间里，都有6至14个机器人在努力抓取东西，而人类唯一的任务就是重新往容器里装东西。这些物品都是普通的家用品，包括办公用品、儿童玩具、海绵。



最让研究人员吃惊的结果，便是机器人学会以不同方式抓取坚硬和柔软的物品。如果它们感知到坚硬的物品，那么便会用两只手指抓取物品的边缘，并紧紧握住。但对于柔软物品(如海绵)而言，神经网络意识到将一根手指放在中间、另一根放在边缘会更轻松一些。



这批机器人以持续不断的直接反馈，帮助神经网络进行学习，其中的人类干涉非常少。这使机器手臂甚至能够抓起它从未见过的东西，成功率非常高。新物品的抓取失败率为10%到20%之间，具体取决于物品是什么；如果机器人抓取失败，那么它会再度尝试。谷歌的进展比康奈尔的“深度抓取”项目差一点——后者的坚硬物品抓取失败率为16%，毛绒玩具等柔软物品的成功率为100%。
相信在不久的将来，机械手的功能将更加完善，更加拟人化，精密机械的工业领域，将变得真正的自动化，也许那时该叫做工业5.0吧。