機器人有「感知」了，人工智慧給未來更多應用場景增加可能！

AI系統依賴於人工神經網路（ANN），它試圖模擬大腦的工作方式以便學習。對於我們人來說，可以很容易通過身體觸覺來判斷物體的屬性，也可以很輕鬆的知道物體的軟硬程度，因為人天生就有敏銳的觸覺感知系統，但這對機器來說可能是一個巨大的挑戰。目前麻省理工學院計算機科學與人工智慧實驗室（CSAIL）通過正在開發的一種新型機器人正試圖做到這一點。

麻省理工學院計算機科學和人工智慧實驗室(CSAIL)的一個團隊通過使用一個複雜的觸摸感測器和一個網路攝像頭來教機器人通過觀察來預測事物的感覺。研究人員已經已經創造了一種預測人工智慧來幫助機器人使用多模態感覺輸入，正在教機器人通過觸摸物體來「看到」物體的樣子，並通過觀察來預測物體的感覺。

如果我們看到一個毛絨玩具和冰箱，幾乎都能分辨的出哪個是軟的更輕，另一個是硬的會更重。即使我們閉上眼睛通過別人遞給我們的東西也能感覺到東西的軟硬程度和大小重量。

但是機器想做到識別物體的效果，還是非常不容易的一件事。麻省理工學院的研究人員正是通過利用機器人手臂上複雜的觸摸感測器中識別到的視頻和數據，通過觀察和分析來預測物體的。

機器人可以配備視覺和觸覺感測器，但是它們很難將這些信息結合起來。因為我們人類在小時候就是通過這種同步的信息來實現的，通過在這兩個方向的研究，希望以後的機器人都能擁有這樣的能力。

研究人員通過網路攝像頭記錄了手臂接觸近200個物體的次數超過12000次，例如各種工具、紡織品和家用產品。把一個特殊的觸覺感測器放在機器人手臂上，讓機器不斷的觸摸物體來得到各種數據。

他們將視頻片段分解成單獨的幀，這給了他們超過300萬個視覺/觸覺配對圖像的數據集。這些信息被用來幫助機器人預測當它看到某個圖像時會有什麼感覺，通過大量的數據識別和分析，讓機器了解物體的屬性特點。

目前，機器人只能識別受控環境中的物體。下一步是建立一個更大的數據集，這樣機器人就可以在更多樣化的環境下工作。

這項技術可以用來幫助機器人找到通過觀察物體來抓住物體的最佳方法。數據集僅包括在受控環境中收集的數據，該團隊希望通過在世界範圍內收集新數據來改進這一點。

但是仍然有一些細節很難從切換模式中推斷出來，比如僅僅觸摸物體就能知道它的顏色，或者不用實際按壓就能知道沙發有多柔軟。研究人員表示，這可以通過創建更加穩健的不確定性模型來改善，以擴大可能結果的分布。

在未來，這種類型的模型將有助於視覺和機器人之間更和諧的關係，特別是在物體識別、抓取、更好的場景理解以及輔助或製造環境中無縫的人機集成方面。有了這些人工智慧的演算法作為基礎，機器人在未來場景的應用增加了更多可能性！

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！