機器人學習了如何使用神經網絡拾取物體

(Tech Xplore)-眾所周知，搜索引擎巨頭Google一直在從事許多技術項目，從無人駕駛汽車到增強現實眼鏡。機器人技術尚未得到廣泛的關注。在過去的幾年中，Google購買了多家機器人公司，其中最著名的是Big Dog和其他移動機器人的制造商Boston Dynamics。但是，該公司還投入了大量資金來開發和增強神經網絡，即通過學習獲得功能的計算機和軟件系統，而不是從一開始就對其進行編程。在此最新更新中，Google在Sergey Levine的Google研究博客(以及視頻)中發布了一個條目，并將論文上傳到arXiv 印前服務器概述由神經網絡引導的機械臂/抓草器取得的進展。

如Levine所述，讓機器人的手臂和手伸出并抓住東西的常規方法是編寫代碼，使機器人執行多個步驟，包括掃描要拾取的對象然后使用先前編寫的代碼等操作。例行的操作手臂和手的動作的方式，將導致物體被抓住和移動。但是，正如他還指出的那樣，一種更好的方法將是遵循動物模型-當我們想撿拾東西時，我們無需進行大量的掃描和分析，而只是抓住了它。

之所以會出現這種能力，是因為我們從小就經歷了學習過程。為此，Google一直在構建機器人并使用神經網絡方法對其進行測試-與其告訴機器人如何抓取物體并將其從垃圾箱中拉出，還不如告訴它如何抓取物體。并一次撿起一些東西，圖像和一個裝滿物品的箱子。注意到孩子們需要數年的時間才能熟練掌握此過程，因此團隊采取了鈍器方法-他們設置了多個機器人手臂緊緊抓住抓手，每個抓手向下伸入一堆雜物箱中，一遍又一遍地撿起指定的物體。機器人都已連接在一起，因此無論是誰學到撿東西，其他人也學到了類似“星際迷航”中的博格。

團隊報告說，結果就是進步。在經過80萬次練習之后，這些機器人無法比其他機器人更好地抓取和拾取物體，但是它們已經展示出了一些能力，直到現在，這些能力一直僅限于活物-移開另一個物體，例如，來獲得他們想要的海綿，或者通過在中間和末端捏住海綿來學習抓海綿，而不是將手指攤開整個對象的整個寬度。研究人員不能肯定地說培訓會走多遠，但是希望是，經過更多的練習后，機器人抓緊器(就像孩子一樣)將變得更加敏捷，也許在某個時候等同于我們自己的技能。