满足有史以来最灵活的机器人

抓住人们在日常生活中捡到的形状笨拙的物品对于机器人来说是一项艰巨的任务。不规则形状的物品，如鞋子，喷雾瓶，开箱，甚至橡胶鸭子都很容易让人抓起来，但机器人很难知道在哪里抓握。克服这个问题的重要一步是，加州大学伯克利分校的机器人专家拥有一个内置的机器人，能够以99%的成功率拾取并移动不熟悉的现实世界物体。

伯克利教授Ken Goldberg，博士后研究员Jeff Mahler和自动化科学与工程实验室(AUTOLAB)创建了名为DexNet 2.0的机器人。DexNet 2.0的高抓成功率意味着该技术可以很快应用于工业，具有革新制造和供应链的潜力。

DexNet 2.0通过称为深度学习的过程获得了高度准确的灵活性。研究人员建立了一个庞大的三维形状数据库 - 总共670万个数据点 - 神经网络用来学习抓取和移动不规则形状物体的抓取。然后将神经网络连接到3D传感器和机器人手臂。当一个物体放在DexNet 2.0前面时，它会快速研究形状，并选择一个能够成功拾取并在99%的时间内移动物体的抓握。DexNet 2.0也比以前的版本快三倍。