@ 2016.03.11 , 17:00

谷歌机器人练习抓东西,手眼协调进展斐然

[-]

在学习抓东西时,婴儿结合了视觉和运动技能这两大系统。通过两种机制和大量试错练习,我们便学会了以不同方式抓取铅笔和订书机。如今,机器人也开始以相同方式进行学习。

谷歌正在教机器人一个简单任务:从一个容器里抓起物品,再放置到另一个容器里。机器人抓东西并非头一遭,但这些机器人是在根据持续不断地反馈,学习以新方式抓取不同形状、大小、特点的物体。举例而言,他们已经学会了以不同方式抓取柔软或坚硬的物品。

其它项目(比如康奈尔的“深度抓取”)会对物品进行分析,一旦获得最佳位置,便会尝试抓取,如果失败就再试一遍。而谷歌的方式则是不断分析物品、分析机器手和物品之间的关系,使其具有更强的随机应变能力,就像人类一样。

其实,这些机器人不过是由大脑、手臂、摄像机构成。手臂由两个深度神经网络所控制,它一共有三个关节,并连接着两根用来抓东西的手指。深度神经网络是人工智能的一种流行方式,因为它们能够通过大量数据做出预测。这回,其中一个神经网络只负责看容器照片,并预测机器手是否能够正确地抓取物品;而另一个则负责了解手抓取得怎么样,并通知第一个网络做出调整。

研究人员指出,机器人并不需要根据摄像机的不同位置进行校准。只要相机能够清楚地拍到容器和手臂,神经网络便可以进行调整,继续学习抓取物品。

两个多月来,谷歌让机器人抓东西抓了80多万次。在任何给定时间里,都有6至14个机器人在努力抓取东西,而人类唯一的任务就是重新往容器里装东西。这些物品都是普通的家用品,包括办公用品、儿童玩具、海绵。

Create, Discover and Share on Gfycat

最让研究人员吃惊的结果,便是机器人学会以不同方式抓取坚硬和柔软的物品。如果它们感知到坚硬的物品,那么便会用两只手指抓取物品的边缘,并紧紧握住。但对于柔软物品(如海绵)而言,神经网络意识到将一根手指放在中间、另一根放在边缘会更轻松一些。

Create, Discover and Share on Gfycat

这批机器人以持续不断的直接反馈,帮助神经网络进行学习,其中的人类干涉非常少。这使机器手臂甚至能够抓起它从未见过的东西,成功率非常高。新物品的抓取失败率为10%到20%之间,具体取决于物品是什么;如果机器人抓取失败,那么它会再度尝试。谷歌的进展比康奈尔的“深度抓取”项目差一点——后者的坚硬物品抓取失败率为16%,毛绒玩具等柔软物品的成功率为100%。

无人驾驶汽车、自主机器人、无人机投递等未来概念都涉及机器人和自然界的交互,而教会机器人理解周围世界及其物理限制则是一个重要过程。接下来,研究人员希望在现实环境中对机器人进行测试,而非在实验室里。这意味着多种光线、各种地点、运动物体、机器人磨损。

本文译自 popsci,由译者 蛋花 基于创作共用协议(BY-NC)发布。


给这篇稿打赏,让译者更有动力 !
支付宝打赏 [x]
您的大名: 打赏金额:

4.7
赞一个 (1)

24H最赞