智能制造网APP
智能制造网手机站
智能制造网小程序
智能制造网官微
智能制造网服务号
智能控制
机器人
仪器仪表
物联网
3D打印
工业软件
回放
品牌
倾技
这款机器人是由加州大学伯克利分校的研究人员所开发，它能轻易抓取任何形状不规则的物体。
该款机器人搭载深度学习系统，已经对虚拟图书馆数据库中超过10000的三维物体进行了识别，并且当新物体出现的时候，机器人可以迅速通过深度学习系统，对物体进行识别，探究得出一种佳的抓取方案，准确的对各种物体进行抓取。
麻省理工学院的技术人员表示，该款机器人要优于以往的任何一款机器人。
通过测试，我们有理由相信该款机器人可以成功的拿起任何形状不规则的物体，因为测试数据显示，当机器人抓起物体抬高和摇晃时也不会轻易地把物体弄掉，而且数据显示其冲功率可以高达98%，远远超过任何以往的机器人。
而当该款机器人实在难以找到相关数据，不能得出如何抓取形状不规则物体的方案时，机器人会通过触摸物体来更好的进行计算，选取优的抓取方案。
一旦机器人采取了触摸的预处理，那么它抓取并抬高物体的成功率将会达到99%以上。
通过与西门子公司研究小组的合作，展示了Dex Net 2.0机器人新的学习方法。该款机器人加入了新的获取云信息的能力，而这也使得机器人的功能得到了大幅提升。因此Dex Net 2.0机器人非常有希望在医疗机构和家庭生活中发挥重要作用。
尽管目前许多研究人员正在研究机器人通过实践学习来掌握和操纵物体的课堂，但是所取得的成果却并不多。这款被称作Dex Net 2.0的机器人，实现了自我学习的功能，而且不需要练习，就可以操控物体。
领导这项研究工作的加州大学伯克利分校肯·戈德堡(KenoGoldberg)教授表示说:"虽然我们没有做更多的相关试验，但是我们坚信我们可以取得更好的效果，而这也使得我们整个团队都非常兴奋。"
代替练习的是机器人自身的深度学习系统，机器人通过对10000个3D模拟物体进行计算和分析，来实现对于不规则物体的识别，对这10000个3D模拟物体的研究包括物体的外观、形状以及如何抓取等内容。
该项目的博士后研究员杰夫马勒(JeffoMahler)博士表示说:"我们可以在一天左右的时间内为深层神经网络生成足够的训练数据，而不是在一个真正的机器人上运行数月的物理试验。"
研究人员计划公布他们创建的3D数据集，而这个数据集的面世很可能有助于推进机器人更进一步的研究。
布朗大学专攻机器人学习的助理教授斯蒂芬妮o泰勒克斯(StefanieoTellex)博士，虽然没有亲自参与这项研究，但是一直对这项研究非常关注，他表示:"这项研究是一件具有深远意义的研究，它可以加速机器人学习方面的进步，因为收集大量的机器人计算机数据是一件非常困难的事情。"
这项研究是十分令人兴奋的，因为它表明一个模拟数据集可以用来训练模拟物体的抓取，而将这种模式转化为物理机器人的应用才算是真正的成功。控制算法的研究以及机器硬件和学习方法的进步正在为新一代机器人的发展奠定坚实的基础。
这些机器人能够执行更大范围的日常任务，某些灵敏的机器人目前已经被应用于仓库中的工作。
麻省理工学院从事机器人工作的教授拉斯o特德雷克(RussoTedrake)博士表示说:"研究小组在研制更加灵敏、能力更强的机器人方面取得了长足的进步。"
特德雷克表示说:"加州大学伯克利分校的研究工作是令人印象深刻的，因为它既保留了机器人传统的学习方法，又融入了机器人新的学习方法，而这些学习内容涉及到对象的形状推理方面内容。"
敏捷机器人的诞生将会带来巨大的经济效益。
如今在工厂里已经投入使用的机器人是十分的，但是当它们面对一个不熟悉的物体时，却显得十分笨拙。虽然亚马逊等公司在仓库里使用机器人来移动产品，但机器人不会为订单挑选个性化的对象，机器灵巧性的提高可能带来人工智能的突破性进步。
人类手工的灵巧运用在人类智力的发展上起到了至关重要的作用，这也使得人类拥有了更加清晰的视觉，同时也增加了人类大脑的力量，因此人类也具备了更有效地操纵对象的能力，而这也可以在人工智能的发展中发挥借鉴作用。
(原标题：史上敏捷机器人诞生:可迅速抓取不规则物体)
浙公网安备 33010602000006号
智能制造网APP
智能制造网小程序
微信公众号
