作為人類(lèi)，可能你會(huì)覺(jué)得隨手從桌上拿起一張紙是非常容易的事。但是想象一下，讓機(jī)器人來(lái)做這件事。這就不容易了。問(wèn)題是，很多機(jī)器人都被教導(dǎo)要用超專(zhuān)業(yè)的算法來(lái)完成單一的任務(wù)。但很明顯，你沒(méi)辦法讓機(jī)器人去處理它遇到的所有問(wèn)題，沒(méi)辦法教它們拿起物體。因?yàn)檫@是人工智能要做的事。

 

　　加州大學(xué)伯克利分校的研究人員給一個(gè)機(jī)器人裝上了人工智能系統(tǒng)，這樣它就能知道如何用力抓取它以前從未見(jiàn)過(guò)的物體，而無(wú)需借助把手等工具。機(jī)器人專(zhuān)家想要開(kāi)發(fā)出能夠掌控周?chē)h(huán)境的真正智能又靈巧的機(jī)器人，這是一件了不起的事情。秘訣在于，用一組點(diǎn)云數(shù)據(jù)庫(kù)來(lái)代替物體，研究人員再把這些數(shù)據(jù)輸入到神經(jīng)網(wǎng)絡(luò)中。

 

　　“它的訓(xùn)練方式是在基于點(diǎn)云數(shù)據(jù)庫(kù)，然后掌握它。”機(jī)器人專(zhuān)家KenGoldberg說(shuō)，他和博士后JeffMahler一起開(kāi)發(fā)了這個(gè)系統(tǒng)。“因此，現(xiàn)在我們向它展示點(diǎn)云，它就明白如何用力抓取物體了。‘用力’也成了操作指令之一。”這個(gè)團(tuán)隊(duì)不僅僅是要讓機(jī)器人抓取物體，更是在尋找實(shí)現(xiàn)這一點(diǎn)的最好方式。

 

　　利用這個(gè)神經(jīng)網(wǎng)絡(luò)和微軟的Kinect3-D傳感器，機(jī)器人得以觀察物體，并確定抓取的力度。當(dāng)它充滿(mǎn)信心時(shí)，可以保證在100次中有99次抓取成功。Goldberg表示：“機(jī)器人在這么做的時(shí)候，其實(shí)并不知道這個(gè)物體是什么。它只是把這個(gè)物體看作是空間中的一堆點(diǎn)，并選擇抓取某一堆。所以不管這個(gè)物體是一張皺巴巴的紙巾還是什么，都無(wú)所謂。”

 

　　想象一下，有一天機(jī)器人會(huì)潛入我們的家中，幫我們做家務(wù)，不只是像掃地機(jī)器人Roomba那樣掃掃地，它還能洗碗、收拾雜物，以免老人被絆倒。

　　機(jī)器人會(huì)遇到很多新奇的東西，而親愛(ài)的人類(lèi)懶得費(fèi)心去一一教會(huì)它們。通過(guò)自學(xué)，它們可以更好地適應(yīng)周?chē)沫h(huán)境。精準(zhǔn)度至關(guān)重要。如果機(jī)器人在洗碗，卻只能100次中握住盤(pán)子50次，那么結(jié)果將是非常尷尬的，一半的餐具都?xì)Я恕５@正是未來(lái)發(fā)展的有趣之處。

 

　　機(jī)器人不是單獨(dú)工作和學(xué)習(xí)的，它們會(huì)被連接到云端，以便共享信息。舉個(gè)例子，一個(gè)機(jī)器人學(xué)會(huì)了怎么樣疊好襯衫。然后，它可以將這個(gè)知識(shí)傳播給其他機(jī)器人，甚至是完全不同的機(jī)器人。通過(guò)這種方式，聯(lián)網(wǎng)機(jī)器不僅可以成為全球化的勞動(dòng)力，還可以擁有全球化的思維。當(dāng)然，目前機(jī)器人還在適應(yīng)這個(gè)世界。

 

　　盡管Goldberg的新系統(tǒng)絕對(duì)是個(gè)大新聞，但它并不完美。請(qǐng)記住，當(dāng)機(jī)器人相信自己能夠抓取物體時(shí)，它的準(zhǔn)確度就達(dá)到了99%。有時(shí)候即使它沒(méi)信心，它也可能會(huì)去抓取，或者就直接放棄了。“所以我們現(xiàn)在正在做的一件事就是修改系統(tǒng)，”戈德堡說(shuō)，“當(dāng)它不自信的時(shí)候，而不是放棄它，它就會(huì)推動(dòng)這個(gè)物體或者戳它，然后移動(dòng)它，再看一遍，然后抓住它。”非常有意思?，F(xiàn)在終于有人要給那些煩人的夾娃娃機(jī)一點(diǎn)顏色看看了。