[关闭]
@sambodhi 2018-04-04T05:53:24.000000Z 字数 1863 阅读 859

世上有史以来最灵巧的机器人,灵敏度接近人类水平

编译|Sambodhi
编辑|Debra

AI前线导读:公众对机器人的想象也许会局限为人形机器人。但实际上,机器人并非一定要具备人形才能成为机器人。机器人并不一定非要长得像人。举例来说,工业机器人就是在巨大厂房或配备了智能升降机的仓库中工作的家伙。商业机器人的形式和用途则更为多样,它们看起来可能就像一排摄像头,或者就是一家自动商店。除了一些特殊用途的车辆,自动驾驶汽车还会维持汽车的外形,而消费级机器人可就千变万化了,它们可以变身类似亚马逊Echo的智能音箱、电视、吸尘器、教育机器人或平板电脑。最近,加州大学伯克利分校制造了世界上有史以来最灵巧的机器人,让我们来一探究竟!

请陈丽在此处插入视频:https://v.qq.com/x/page/l1336d90iks.html

这台有史以来最灵巧的机器人展示了机器学习如何教会机器人识别和拾取不同类型的物体,这一技能可以用于改造许多工厂和仓库。

这台机器人由加州大学伯克利分校的教授Ken Goldberg和他的一个研究生Jeff Mahler制造的。Goldberg在旧金山由MIT Technology Review组织的EmTech Digital展览会上展示了最新版的机器人。

从外形上来,这台机器人看上去没有什么特别之处,但它是世界上有史以来最灵巧的机器人。这台机器人是由两个高度灵活的机械臂组成,能够以非常快的速度、有技巧地对物体完成分拣。这台机器人之所以灵巧的关键不在于它的机械臂,而在于它的大脑。机器人使用的是Dex-Net软件来决定如何以令人难以置信的效率来拣取那些看上去很奇怪的物体。

这台机器人在拣取物体比以前开发的任何同类机器人都更接近人类的水平。由于其更为出色的灵巧性,这种机器人可以应用在仓库、工厂、医院和家庭中。

Dex-Net最聪明的地方在于它能够学习如何拣取。该软件尝试在虚拟环境中让虚拟机械批拣取物体,通过反复试验来训练深度神经网络。即使在虚拟环境中,这也是一项艰巨的任务。但至关重要的是,Dex-Net可以将它从之前看到的对象扩展到新的对象,利用推理能力作出决策。如果不确定应该如何抓住物体,机器人甚至会推动物品以便更好地观察它。

该系统的最新版本包括一个高分辨率3D传感器和两个机械臂,每个机械臂都由不同的神经网络控制。其中一只机械臂配备了传统的机器人抓手,另一只配备了吸力系统。机器人的软件扫描一个物体,然后输入两个神经网络,而后实时地决定是用抓取还是吸取的方式来拣取物体。

加州大学伯克利分校的研究人员还开发了一种更好的方法来衡量一个机器人的性能:每小时平均分拣次数(picks per hour),它是通过将每次分拣的平均时间与一组同类物体分拣的平均成功率相乘计算出来的。

Goldberg表示:“我们一直在讨论如何标准化结果,以便观察进步。这一切都取决于你所使用的机器人、传感器,以及—非常重要的是,你的机器人拣取的是什么东西。”

人类每小时能够拣取400到600个物体。在最近由Amazon举办的一场比赛中,最好的机器人能够拣取70~95个物体。Goldberg说,这台新机器每小时能达平均200到300个。这项研究成果将于今年晚些时候在澳大利亚的一个会议上展示。

在演讲中,Goldberg补充说,在五年内,他预计机器人的拣取水平将达到、或甚至超过人类的平均水平。

拣取和操纵奇怪的、陌生的物体是机器人技术的一个基本挑战,也是阻碍技术进步的因素之一。例如,在汽车工厂里的机器人,速度快、精度高,但不能适应变化或陌生的环境。除了工厂或仓库的工作之外,具备更复杂的操作能力要发挥作用,也许是首先应用于医院、老年护理机构中帮助人们。

机器人技术这方面的最新进展是由几个技术同时发展的结果。更小、更安全的机器人越来越多,新型机械臂已经出现,而且在机器学习方面已经取得了最显著的进步。

除了Goldberg在其他几个学术实验室的工作和研究之外,DeepMind和openaio等研究人员已经开始探索如何使用机器学习来让机器人更加智能、更具有适应性。机器人技术的进步很可能会反哺到人工智能的其他领域,比如感知。

麻省理工学院的Russ Tedrake教授表示:“机器学习对机器人技术产生了前所未有的影响,让机器人应用到我们机器人技术的大数据中,这太有价值了!”

原文链接:https://www.technologyreview.com/s/610587/robots-get-closer-to-human-like-dexterity

添加新批注
在作者公开此批注前,只有你和作者可见。
回复批注