滿足有史以來最靈活的機器人

抓住人們在日常生活中撿到的形狀笨拙的物品對于機器人來說是一項艱巨的任務。不規則形狀的物品，如鞋子，噴霧瓶，開箱，甚至橡膠鴨子都很容易讓人抓起來，但機器人很難知道在哪里抓握。克服這個問題的重要一步是，加州大學伯克利分校的機器人專家擁有一個內置的機器人，能夠以99%的成功率拾取并移動不熟悉的現實世界物體。

伯克利教授Ken Goldberg，博士后研究員Jeff Mahler和自動化科學與工程實驗室(AUTOLAB)創建了名為DexNet 2.0的機器人。DexNet 2.0的高抓成功率意味著該技術可以很快應用于工業，具有革新制造和供應鏈的潛力。

DexNet 2.0通過稱為深度學習的過程獲得了高度準確的靈活性。研究人員建立了一個龐大的三維形狀數據庫 - 總共670萬個數據點 - 神經網絡用來學習抓取和移動不規則形狀物體的抓取。然后將神經網絡連接到3D傳感器和機器人手臂。當一個物體放在DexNet 2.0前面時，它會快速研究形狀，并選擇一個能夠成功拾取并在99%的時間內移動物體的抓握。DexNet 2.0也比以前的版本快三倍。