世界上最靈活機(jī)器人問世,5年內(nèi)將超越人類

快資訊
佚名
這款機(jī)器人也許看起來其貌不揚(yáng),但是根據(jù)新的測試方法,它是目前最靈巧的機(jī)器,擁有多項(xiàng)技能,比如對你的垃圾抽屜進(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)...

這款機(jī)器人也許看起來其貌不揚(yáng),但是根據(jù)新的測試方法,它是目前最靈巧的機(jī)器,擁有多項(xiàng)技能,比如對你的垃圾抽屜進(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論組織的舊金山EmTech Digital展覽會上展示了機(jī)器人的最新版本。

Goldberg的機(jī)器人比以前開發(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)器人可以在倉庫、工廠、醫(yī)院、家庭場景中找到用武之地。

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,通過反復(fù)試錯(cuò)來訓(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發(fā)出了一種更好的方法來衡量一個(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),它是通過將每次抓取的平均時(shí)間與一組一致對象的平均成功概率相乘而計(jì)算出來的。

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, “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。”

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,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議上展示。

在演講中Goldberg補(bǔ)充說,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,但無法適應(yīng)變化或陌生的環(huán)境。除了工廠或倉庫工作之外,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)對機(jī)器人技術(shù)產(chǎn)生了前所未有的影響,”曾看過UC Berkeley機(jī)器人演示的MIT教授Russ Tedrake說。“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。”

THEEND

最新評論(評論僅代表用戶觀點(diǎn))

更多
暫無評論