机器人学习了如何使用神经网络拾取物体

(Tech Xplore)-众所周知，搜索引擎巨头Google一直在从事许多技术项目，从无人驾驶汽车到增强现实眼镜。机器人技术尚未得到广泛的关注。在过去的几年中，Google购买了多家机器人公司，其中最著名的是Big Dog和其他移动机器人的制造商Boston Dynamics。但是，该公司还投入了大量资金来开发和增强神经网络，即通过学习获得功能的计算机和软件系统，而不是从一开始就对其进行编程。在此最新更新中，Google在Sergey Levine的Google研究博客(以及视频)中发布了一个条目，并将论文上传到arXiv 印前服务器概述由神经网络引导的机械臂/抓草器取得的进展。

如Levine所述，让机器人的手臂和手伸出并抓住东西的常规方法是编写代码，使机器人执行多个步骤，包括扫描要拾取的对象然后使用先前编写的代码等操作。例行的操作手臂和手的动作的方式，将导致物体被抓住和移动。但是，正如他还指出的那样，一种更好的方法将是遵循动物模型-当我们想捡拾东西时，我们无需进行大量的扫描和分析，而只是抓住了它。

之所以会出现这种能力，是因为我们从小就经历了学习过程。为此，Google一直在构建机器人并使用神经网络方法对其进行测试-与其告诉机器人如何抓取物体并将其从垃圾箱中拉出，还不如告诉它如何抓取物体。并一次捡起一些东西，图像和一个装满物品的箱子。注意到孩子们需要数年的时间才能熟练掌握此过程，因此团队采取了钝器方法-他们设置了多个机器人手臂紧紧抓住抓手，每个抓手向下伸入一堆杂物箱中，一遍又一遍地捡起指定的物体。机器人都已连接在一起，因此无论是谁学到捡东西，其他人也学到了类似“星际迷航”中的博格。

团队报告说，结果就是进步。在经过80万次练习之后，这些机器人无法比其他机器人更好地抓取和拾取物体，但是它们已经展示出了一些能力，直到现在，这些能力一直仅限于活物-移开另一个物体，例如，来获得他们想要的海绵，或者通过在中间和末端捏住海绵来学习抓海绵，而不是将手指摊开整个对象的整个宽度。研究人员不能肯定地说培训会走多远，但是希望是，经过更多的练习后，机器人抓紧器(就像孩子一样)将变得更加敏捷，也许在某个时候等同于我们自己的技能。