对于已经轻车熟路的任务,机器人做起来效率无人能及,但如果遇到了新问题,比如需要抓起一个不熟悉的物品,机器人通常会卡壳。不过人工智能 的加入可以解决这一问题,Dex-Net 系统就利用深度学习让机械臂能高效完成对不熟悉物品的抓取。

这套系统的原理其实与人抓取物品类似。我们看到一个物品时,会先理解它的形状,然后将其与自己熟悉的其他物体进行对比,利用已经掌握的知识找到抓取物体的最佳方式。

20170531_02_robot02

不过,Dex-Net 可没有人类的眼睛和记忆,因此其发明者直接给它输入了超过 600 万个人工 3D 物品图像,并对这些物品的抓取方法做了一一解释。在实际使用中,这套系统会先对物品进行扫描,随后与云端记忆库进行对比,然后按照最接近的抓取方法进行操作。

在测试中,研究人员拿了几个 Dex-Net 从没见过的物体,结果它在抓取中只失误了一次,水平相当高。记者还注意到,Dex-Net 的判断相当迅速,平均不到一秒它就能找到正确的抓取方法。

Dex-Net 是加州大学伯克利分校机器人专家的作品,今年 7 月,他们将在一场展会上给我们呈现该系统的最新版本。同时,机器人专家还准备公布这 600 万个物品的数据集和他们多年来积累的点云资料库。