谷歌机 械手简直太神了!机器人 工业时代还会远吗?

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。