下面的機(jī)器人也許看起來(lái)其貌不揚(yáng)，但是根據(jù)新的測(cè)試方法，它是目前最靈巧的機(jī)器，擁有多項(xiàng)技能，比如對(duì)你的垃圾抽屜進(jìn)行分類整理，速度和技巧驚人。

　　這種靈巧性的關(guān)鍵不在于它的機(jī)械抓手，而在于它的大腦。該機(jī)器人基于名為Dex-Net的軟件拾取物體，即使物體非常奇怪，其確定效率也非常高，令人難以置信。

　　這臺(tái)新機(jī)器人由加州大學(xué)伯克利分校教授Ken Goldberg和他的一名研究生Jeff Mahler建造。 Goldberg專注于人工智能，他在由麻省理工科技評(píng)論組織的舊金山EmTech Digital展覽會(huì)上展示了機(jī)器人的最新版本。

　　Goldberg的機(jī)器人比以前開(kāi)發(fā)的任何東西都更接近于人類的熟練程度。而具備高靈活性的工業(yè)機(jī)器人可以在倉(cāng)庫(kù)、工廠、醫(yī)院、家庭場(chǎng)景中找到用武之地。

　　Dex-Net特別聰明的一點(diǎn)是它學(xué)習(xí)抓取的能力。該軟件嘗試在虛擬環(huán)境中拾取物品，通過(guò)反復(fù)試錯(cuò)來(lái)訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)。即使在模擬中，這也是一項(xiàng)艱巨的任務(wù)。但更重要的是，Dex-Net可以將它從之前看到的一個(gè)物品推廣到新的物品。如果不確定應(yīng)該如何抓住一個(gè)物品，機(jī)器人甚至?xí)苿?dòng)這件物品以更好地觀察它。

　　該系統(tǒng)的最新版本包括一個(gè)高分辨率3-D傳感器和兩個(gè)手臂，每個(gè)手臂都由不同的神經(jīng)網(wǎng)絡(luò)控制。一只手臂配備了傳統(tǒng)的機(jī)器人手爪，另一只手臂帶有吸氣系統(tǒng)。機(jī)器人的軟件掃描一個(gè)物體，然后查看兩個(gè)神經(jīng)網(wǎng)絡(luò)，以實(shí)時(shí)決定特定物體是該抓取還是吸取。

　　加州大學(xué)伯克利分校的研究人員還開(kāi)發(fā)出了一種更好的方法來(lái)衡量一個(gè)抓取機(jī)器人的性能：一種稱為“每小時(shí)平均抓取數(shù)”的度量標(biāo)準(zhǔn)，它是通過(guò)將每次抓取的平均時(shí)間與一組一致對(duì)象的平均成功概率相乘而計(jì)算出來(lái)的。

　　新的指標(biāo)將幫助機(jī)器人的研究實(shí)驗(yàn)室分享他們的成果。 “我們一直在談?wù)撊绾螛?biāo)準(zhǔn)化結(jié)果，以便觀察進(jìn)步，”Goldberg說(shuō)，“這一切都取決于你所使用的機(jī)器人，你所使用的傳感器，以及非常重要的是，你的機(jī)器人所抓取的是什么物體?！?/P>

　　人類每小時(shí)能夠拾取400至600個(gè)物品。在最近由亞馬遜組織的比賽中，最好的機(jī)器人能夠做到70到95之間。Goldberg說(shuō)，新機(jī)器每小時(shí)可以達(dá)到平均200到300個(gè)。這項(xiàng)成果將在今年晚些時(shí)候在澳大利亞的一次會(huì)議上展示。

　　在演講中Goldberg補(bǔ)充說(shuō)，在五年內(nèi)，他預(yù)計(jì)機(jī)器人每小時(shí)的效率將“達(dá)到甚至超過(guò)人類的平均水平”。

　　抓取和操縱奇異和陌生的物體是機(jī)器人技術(shù)的一個(gè)基本挑戰(zhàn)。例如，在汽車工廠的機(jī)器人快速而精確，但無(wú)法適應(yīng)變化或陌生的環(huán)境。除了工廠或倉(cāng)庫(kù)工作之外，具備更復(fù)雜的操作能力的機(jī)器人要”“有用"，最近的選項(xiàng)也許是幫助醫(yī)院、老年護(hù)理機(jī)構(gòu)的人們。

　　最近的機(jī)器人技術(shù)進(jìn)展是幾項(xiàng)技術(shù)同時(shí)發(fā)展的結(jié)果。更小、更安全的機(jī)器人越來(lái)越多，新的端部夾取機(jī)器人已經(jīng)出現(xiàn)，更重要的是，機(jī)器學(xué)習(xí)方面取得的重大進(jìn)展。

　　除了Goldberg在其他幾個(gè)學(xué)術(shù)實(shí)驗(yàn)室的工作和研究之外，DeepMind和OpenAI等研究人員已經(jīng)開(kāi)始探索機(jī)器學(xué)習(xí)如何能夠使機(jī)器人變得更加智能和更具適應(yīng)性。機(jī)器人技術(shù)的進(jìn)步很可能反饋到人工智能的其他領(lǐng)域，例如感知。

　　“機(jī)器學(xué)習(xí)對(duì)機(jī)器人技術(shù)產(chǎn)生了前所未有的影響，”曾看過(guò)UC Berkeley機(jī)器人演示的MIT教授Russ Tedrake說(shuō)。“讓機(jī)器人應(yīng)用到我們機(jī)器人技術(shù)的大數(shù)據(jù)中，這有著令人難以置信的價(jià)值?！?/P>