該機器人掌握了大量有關三維圖形及其抓握技巧的數據，能判斷如何使用不同的抓握力度抓起不同的物品。伯克利的研究人員把圖片傳送到機器人的深度學習系統，它連接著機器人的手臂和3D傳感器。當一個新物體被放在機器人面前時，它的深度學習系統能快速幫它匹配得到適合的圖形和抓握技巧，并指揮手臂該如何操作。
一個多手指機器人在模擬環境中通過操控虛擬對象實現抓握，機器學習、云服務徹底改變傳統手工勞動的時代距離我們不遠了。
在美國加利福尼亞大學伯克利分校的一個實驗室里，一個普通的機器人正在挑選一些形狀怪異的物體。令人驚嘆的是，機器人是通過虛擬對象來實現操作的。
該機器人掌握了大量有關三維圖形及其抓握技巧的數據，能判斷如何使用不同的抓握力度抓起不同的物品。伯克利的研究人員把圖片傳送到機器人的深度學習系統，它連接著機器人的手臂和3D傳感器。當一個新物體被放在機器人面前時，它的深度學習系統能快速幫它匹配得到適合的圖形和抓握技巧，并指揮手臂該如何操作。
據悉，這款機器人的抓握性能堪稱史上最佳。在測試中，當機器人判斷物體的抓握成功率高于50%時，它總能成功提起物體，雖然會有一些搖晃，但物體掉落的概率只有2%。如果機器人判斷該物體難以抓握，它會撥動使之適合抓取，調整角度后的抓握成功率高達99%。
當前的機器人手臂大多只能抓取“熟悉”的物體，且研究人員往往需要為它提供大量練習，這個過程是非常耗時的。伯克利的新發明展示了一種新方法：把深度學習和云服務用于機器人抓握。這個創新避免了大量訓練，同時提高了機器人在工廠和倉庫中的適用性。通過深度學習，機器人甚至能在一些新的應用領域工作，如醫院、家庭。
伯克利大學的教授Ken Goldberg表示，不同于傳統機器人需要進行長達幾個月的物理實驗，這款機器人不需要實地練習，它能在模擬環境中學習數據集中包含的三維圖形、視覺外觀和抓握技巧，“培訓”時間僅需1天。
伯克利教授Ken Goldberg(左)和西門子研究組組長Juan Aparicio
據悉，該研究的相關論文將于今年7月發表，屆時Ken Goldberg教授和其他研究人員將公布機器人使用的三維數據集，幫助推動計算機視覺技術發展。
目前機器視覺技術尚處于萌芽期，學界極度缺乏相關數據，系統的數據集也亟待建立。深度學習、控制算法和新材料的進步不進有利于構建新型物理機器人，還將開啟“機器換人”的新紀元，帶來重大的經濟影響。雖然幾十年前機器人就已出現在各類倉庫和生產線，如亞馬遜的kiva機器人，但當前大多數機器人只能搬運物品，機器人的分揀技術還相當笨拙。
美國麻省理工的一個實驗室也在做相關實驗，伯克利的成果讓他們印象深刻。一家德國企業已與伯克利取得聯系，希望能實現該項技術的商業化。
靈巧的雙手對人類智力的發展至關重要，在長期的演變過程中，人類形成了一個良性反饋循環，視覺變得更敏銳，腦力得到了大大增強。“抓握”雖然簡單，但它必將在人造智能的演變中發揮作用。
