對(duì)于已經(jīng)輕車熟路的任務(wù)，機(jī)器人做起來(lái)效率無(wú)人能及，但如果遇到了新問(wèn)題，比如需要抓起一個(gè)不熟悉的物品，機(jī)器人通常會(huì)卡殼。不過(guò) AI 的加入可以解決這一問(wèn)題，Dex-Net 系統(tǒng)就利用深度學(xué)習(xí)讓機(jī)器手能高效完成對(duì)不熟悉物品的抓取。

這套系統(tǒng)的原理其實(shí)與人抓取物品類似。我們看到一個(gè)物品時(shí)，會(huì)先理解它的形狀，然后將其與自己熟悉的其他物體進(jìn)行對(duì)比，利用已經(jīng)掌握的知識(shí)找到抓取物體的最佳方式。

不過(guò)，Dex-Net 可沒(méi)有人類的眼睛和記憶，因此其發(fā)明者直接給它輸入了超過(guò) 600 萬(wàn)個(gè)人工 3D 物品圖像，并對(duì)這些物品的抓取方法做了一一解釋。在實(shí)際使用中，這套系統(tǒng)會(huì)先對(duì)物品進(jìn)行掃描，隨后與云端記憶庫(kù)進(jìn)行對(duì)比，然后按照最接近的抓取方法進(jìn)行操作。

在測(cè)試中，研究人員拿了幾個(gè) Dex-Net 從沒(méi)見(jiàn)過(guò)的物體，結(jié)果它在抓取中只失誤了一次，水平相當(dāng)高。雷鋒網(wǎng)還注意到，Dex-Net 的判斷相當(dāng)迅速，平均不到一秒它就能找到正確的抓取方法。

Dex-Net 是加州大學(xué)伯克利分校機(jī)器人專家的作品，今年 7 月，他們將在一場(chǎng)展會(huì)上給我們呈現(xiàn)該系統(tǒng)的最新版本。同時(shí)，機(jī)器人專家還準(zhǔn)備公布這 600 萬(wàn)個(gè)物品的數(shù)據(jù)集和他們多年來(lái)積累的點(diǎn)云資料庫(kù)。

Via. TechCrunch

雷鋒網(wǎng)正在啟動(dòng)“新智造成長(zhǎng)榜2017”評(píng)選活動(dòng)，我們將對(duì)人工智能與機(jī)器人行業(yè)進(jìn)行大規(guī)模報(bào)道、梳理和調(diào)研，并聯(lián)合數(shù)十家著名投資機(jī)構(gòu)根據(jù)這些創(chuàng)新公司的技術(shù)實(shí)力、商業(yè)能力和成長(zhǎng)性進(jìn)行深度評(píng)選，最終從多個(gè)領(lǐng)域分別選出一些極具潛力成長(zhǎng)性的創(chuàng)新公司。如果你想?yún)⑴c我們的評(píng)選，可點(diǎn)擊「報(bào)名」鏈接，或通過(guò)郵箱xinzhizao@leiphone.com聯(lián)系我們！

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見(jiàn)轉(zhuǎn)載須知。