UC伯克利研发史上最灵巧机器人

加州大学伯克利分校的研究人员最近研发了一款新的机器人，由一个高分辨率3D感测器和两个高度灵活的机械臂组成，在分拣物体任务中每小时平均次数达到200~300次，接近人类水平。研究者称，这是有史以来世界上最灵巧的机器人。

加州大学伯克利分校的研究人员最近研发了一款新的机器人：由两个高度灵活的机械臂组成，能够以非常快的速度、有技巧地对物体进行分拣。

UC Berkeley教授Ken Goldberg和他的一名研究生Jeff Mahler近日在EmTech上展示了这款机器人。Ken Goldberg教授称，机器人的灵巧性不在于它的两个机械臂，而在于它的大脑，它能通过两个机载神经网络进行推理和模拟不同的结果。该团队称，这种技术组合使其成为世界上最灵巧的机器人。

这个双臂机器人使用被称为Dex-Net的软件，该软件先是在虚拟环境中让虚拟机械臂分拣物品，通过反复试验来训练深度神经网络。即使在虚拟环境中，这也是一项十分艰巨的任务。Dex-Net的厉害之处在于，它可以将之前看到的对象推广到新的对象，利用推理能力做出决策。如果不确定应该如何抓取一个物体，机器臂甚至会推动物体，以更好地观察它。

通过Dex-Net，机器人能够快速确定如何以最好的方式抓取物体。该机器人比以往开发的任何同类机器人都更接近人类拾取物品的熟练程度。它的灵巧性非常出色，这类工业机器人可以应用于仓库、工厂、医院和家庭等场景。

平均每小时分拣300次

该系统在过去一年中经历了多次升级，最新版本由一个高分辨率3D感测器和两个机械臂组成，每个机械臂分别由不同的神经网络控制。其中一只手臂配备传统的机器人抓爪，另一只手臂则带有吸气系统。机器人的软件会扫描面前的物品，输入给两个神经网络，然后实时地决定采用抓爪还是吸取的方式来拾取物品。

加州大学伯克利分校的研究生Jeff Mahler参与配置Dex-Net机器人系统

UC Berkeley的研究人员还开发了一种更好的方式来衡量分拣机器人的性能，即“每小时平均分拣次数”（mean picks per hour）。这是将每次分拣的平均时间与一组同类物品分拣的平均成功概率相乘计算出来的。

根据Goldberg教授的说法，最新版本机器人的每小时平均分拣次数达到200次~300次。这比最近Amazon举办的“机器人分拣货物挑战赛”的最好成绩要高得多，该比赛的最好成绩介于70次和95次之间。人类的水平是平均每小时400次~600次，UC伯克利的机器人已经接近人类水平。

在演讲中，Goldberg教授补充说，它预计5年内机器人将“达到甚至超越人类分拣物品的平均水平”。

近年来，归功于机器学习技术的进步，机器人抓取、分拣物品的技术发展迅速，出现了许多更小型、更安全的分拣机器人，新类型的抓爪等。除了Goldberg教授的实验室以及其他几个学术实验室之外，DeepMind、OpenAI等的研究人员也正在探索如何用机器学习使机器人变得更加智能、更加灵活。

来源：internetofbusiness.com/新智元