UC伯克利研發史上最靈巧機器人

加州大學伯克利分校的研究人員最近研發了一款新的機器人，由一個高解析度3D感測器和兩個高度靈活的機械臂組成，在分揀物體任務中每小時平均次數達到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器人。

加州大學伯克利分校的研究人員最近研發了一款新的機器人：由兩個高度靈活的機械臂組成，能夠以非常快的速度、有技巧地對物體進行分揀。

UC Berkeley教授Ken Goldberg和他的一名研究生Jeff Mahler近日在EmTech上展示了這款機器人。Ken Goldberg教授稱，機器人的靈巧性不在於它的兩個機械臂，而在於它的大腦，它能通過兩個機載神經網路進行推理和模擬不同的結果。該團隊稱，這種技術組合使其成為世界上最靈巧的機器人。

這個雙臂機器人使用被稱為Dex-Net的軟體，該軟體先是在虛擬環境中讓虛擬機械臂分揀物品，通過反覆試驗來訓練深度神經網路。即使在虛擬環境中，這也是一項十分艱巨的任務。Dex-Net的厲害之處在於，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。如果不確定應該如何抓取一個物體，機器臂甚至會推動物體，以更好地觀察它。

通過Dex-Net，機器人能夠快速確定如何以最好的方式抓取物體。該機器人比以往開發的任何同類機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，這類工業機器人可以應用於倉庫、工廠、醫院和家庭等場景。

平均每小時分揀300次

該系統在過去一年中經歷了多次升級，最新版本由一個高解析度3D感測器和兩個機械臂組成，每個機械臂分別由不同的神經網路控制。其中一隻手臂配備傳統的機器人抓爪，另一隻手臂則帶有吸氣系統。機器人的軟體會掃描面前的物品，輸入給兩個神經網路，然後實時地決定採用抓爪還是吸取的方式來拾取物品。

加州大學伯克利分校的研究生Jeff Mahler參與配置Dex-Net機器人系統

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

根據Goldberg教授的說法，最新版本機器人的每小時平均分揀次數達到200次~300次。這比最近Amazon舉辦的「機器人分揀貨物挑戰賽」的最好成績要高得多，該比賽的最好成績介於70次和95次之間。人類的水平是平均每小時400次~600次，UC伯克利的機器人已經接近人類水平。

在演講中，Goldberg教授補充說，它預計5年內機器人將「達到甚至超越人類分揀物品的平均水平」。

近年來，歸功於機器學習技術的進步，機器人抓取、分揀物品的技術發展迅速，出現了許多更小型、更安全的分揀機器人，新類型的抓爪等。除了Goldberg教授的實驗室以及其他幾個學術實驗室之外，DeepMind、OpenAI等的研究人員也正在探索如何用機器學習使機器人變得更加智能、更加靈活。

來源：internetofbusiness.com/新智元

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！