加州大學(xué)伯克利分校的研究人員最近研發(fā)了一款新的機(jī)器人，由一個(gè)高分辨率3D傳感器和兩個(gè)高度靈活的機(jī)械臂組成，在分揀物體任務(wù)中每小時(shí)平均次數(shù)達(dá)到200~300次，接近人類水平。研究者稱，這是有史以來世界上最靈巧的機(jī)器人。

這是有史以來最靈巧的機(jī)器人！

加州大學(xué)伯克利分校的研究人員最近研發(fā)了一款新的機(jī)器人：由兩個(gè)高度靈活的機(jī)械臂組成，能夠以非?？斓乃俣?、有技巧地對物體進(jìn)行分揀。

UC Berkeley教授Ken Goldberg和他的一名研究生Jeff Mahler近日在EmTech上展示了這款機(jī)器人。Ken Goldberg教授稱，機(jī)器人的靈巧性不在于它的兩個(gè)機(jī)械臂，而在于它的大腦，它能通過兩個(gè)機(jī)載神經(jīng)網(wǎng)絡(luò)進(jìn)行推理和模擬不同的結(jié)果。該團(tuán)隊(duì)稱，這種技術(shù)組合使其成為世界上最靈巧的機(jī)器人。

這個(gè)雙臂機(jī)器人使用被稱為Dex-Net的軟件，該軟件先是在虛擬環(huán)境中讓虛擬機(jī)械臂分揀物品，通過反復(fù)試驗(yàn)來訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)。即使在虛擬環(huán)境中，這也是一項(xiàng)十分艱巨的任務(wù)。Dex-Net的厲害之處在于，它可以將之前看到的對象推廣到新的對象，利用推理能力做出決策。如果不確定應(yīng)該如何抓取一個(gè)物體，機(jī)器臂甚至?xí)苿?dòng)物體，以更好地觀察它。

通過Dex-Net，機(jī)器人能夠快速確定如何以最好的方式抓取物體。該機(jī)器人比以往開發(fā)的任何同類機(jī)器人都更接近人類拾取物品的熟練程度。它的靈巧性非常出色，這類工業(yè)機(jī)器人可以應(yīng)用于倉庫、工廠、醫(yī)院和家庭等場景。

平均每小時(shí)分揀300次

該系統(tǒng)在過去一年中經(jīng)歷了多次升級(jí)，最新版本由一個(gè)高分辨率3D傳感器和兩個(gè)機(jī)械臂組成，每個(gè)機(jī)械臂分別由不同的神經(jīng)網(wǎng)絡(luò)控制。其中一只手臂配備傳統(tǒng)的機(jī)器人抓爪，另一只手臂則帶有吸氣系統(tǒng)。機(jī)器人的軟件會(huì)掃描面前的物品，輸入給兩個(gè)神經(jīng)網(wǎng)絡(luò)，然后實(shí)時(shí)地決定采用抓爪還是吸取的方式來拾取物品。

加州大學(xué)伯克利分校的研究生Jeff Mahler參與配置Dex-Net機(jī)器人系統(tǒng)

UC Berkeley的研究人員還開發(fā)了一種更好的方式來衡量分揀機(jī)器人的性能，即“每小時(shí)平均分揀次數(shù)”（mean picks per hour）。這是將每次分揀的平均時(shí)間與一組同類物品分揀的平均成功概率相乘計(jì)算出來的。

根據(jù)Goldberg教授的說法，最新版本機(jī)器人的每小時(shí)平均分揀次數(shù)達(dá)到200次~300次。這比最近Amazon舉辦的“機(jī)器人分揀貨物挑戰(zhàn)賽”的最好成績要高得多，該比賽的最好成績介于70次和95次之間。人類的水平是平均每小時(shí)400次~600次，UC伯克利的機(jī)器人已經(jīng)接近人類水平。

在演講中，Goldberg教授補(bǔ)充說，它預(yù)計(jì)5年內(nèi)機(jī)器人將“達(dá)到甚至超越人類分揀物品的平均水平”。

近年來，歸功于機(jī)器學(xué)習(xí)技術(shù)的進(jìn)步，機(jī)器人抓取、分揀物品的技術(shù)發(fā)展迅速，出現(xiàn)了許多更小型、更安全的分揀機(jī)器人，新類型的抓爪等。除了Goldberg教授的實(shí)驗(yàn)室以及其他幾個(gè)學(xué)術(shù)實(shí)驗(yàn)室之外，DeepMind、OpenAI等的研究人員也正在探索如何用機(jī)器學(xué)習(xí)使機(jī)器人變得更加智能、更加靈活。