作者| 田筱阳

编辑| 傅博

机器人早已成为了我们生产生活不可或缺的好帮手,他们在处理熟悉事务时,按照既定的方式方法,可以做的无比熟练,近乎完美。但是当他们遇到崭新的问题时,比如说一个形状不规则的物体,就会陷入呆滞,从人工智能沦为“人工智障”。

好在,近来这一现象在深度学习系统Dex-Net的辅助下,有了极大地改观:

正如还在蹒跚学步的孩童,当机械臂遇到前所未见的物品时,不再机械而略显愚钝地重复徒劳的尝试,而是观察学习再稳稳抓住。

在深度系统Dex-net的辅助下,机器人可以自如地抓东西

加州大学伯克利分校的自动化科学与工程在教授Ken Goldberg的带领下,对机器自动化进行了长时间的技术探索,特别是在云端机器人、深度强化学习以及自动化制造等分支研究领域有了新的研发成果(请看如下视频)。

利用机器学习技术,他们将机器人的实物抓取精确度提升至99%,据Ken博士介绍,这款机器已经可以像人类一样思考如何去把物体抓起再放下:

这个机器抓取的背后想法与人类的认知模式十分雷同,都是先通过图像识别,对物体大小进行判断后再去确定抓取方式与动作

回想一下,当你看到一个新物体的时候,是不是也选择先了解它的形状并将其与过去拿起的物品做对比,整合信息,最后做出最优解呢?没错。

此为动图,请在PC端查看

但是,Dex-Net无法摆脱机器的桎梏,不能像我们常人一样有明亮的双眼和持久的记忆,也就是说,每一次抓取对于它来说都是一个新判断的开始。

所以,研发人员为它布置了超过六百万个全3D物品模型,另其寻找最优解——也就是说,用最好的办法牢牢抓起物体。

在实际应用中,这一系统会系统分析所见物体的形状与尺寸,检索记忆库,从中找到最与之相似的案例并应用抓起案例物品的方法。

在展示中,Dex-Net遇到了数十个全新且形状各异的物品的挑战,这本来就不轻松,而只失败一次更是值得称赞的成就。

当我们考虑到它的训练过程仅是全部由合成数据所完成,Dex-Net能迅速(反应时间甚至小于一秒)、牢固地抓起物体,不得不说是相当了不起了。如果应用在实际的工厂流水线制造中,这或许在提高生产效率的同时,大大降低废品率。

这款叫Dexnet的深度学习系统, 能让机器像人一样思考如何抓取实物|潮科技

发表评论

电子邮件地址不会被公开。 必填项已用*标注