世界各地的AI實(shí)驗(yàn)室已經(jīng)開發(fā)出了各種各樣的“手”，推進(jìn)著我們對(duì)于機(jī)器人的想象

隨著技術(shù)的發(fā)展，機(jī)械手臂已經(jīng)不再像我們過去印象中只能在工廠中進(jìn)行重復(fù)單一勞動(dòng)的裝置了，如今它們已經(jīng)進(jìn)化得越來越像人靈巧的手。雖然離科幻小說有血有肉的精密機(jī)械手還有很大的差距，但今天世界各地的AI實(shí)驗(yàn)室已經(jīng)開發(fā)出了各種各樣的“手”，推進(jìn)著我們對(duì)于機(jī)器人的想象。加上算法的強(qiáng)大威力，他們可以推、拉、拾、放各種物體，還能在手中旋轉(zhuǎn)把玩。

旋轉(zhuǎn)翻騰

近來最出名的機(jī)器手要數(shù)OpenAI的Dectyl了，通過深度學(xué)習(xí)的算法訓(xùn)練，它掌握了如何在手掌中翻轉(zhuǎn)立方體這一復(fù)雜的人類動(dòng)作。

通過復(fù)雜的模型，Dectyl可以利用大量的訓(xùn)練來學(xué)習(xí)如何實(shí)現(xiàn)復(fù)雜的操作。通過模擬學(xué)習(xí)在計(jì)算機(jī)硬件上進(jìn)行了大量的訓(xùn)練，隨后將訓(xùn)練結(jié)果遷移到現(xiàn)實(shí)世界中實(shí)現(xiàn)了靈活的翻轉(zhuǎn)。研究人員相信通過這樣的方法可以為它訓(xùn)練更多的復(fù)雜操作。

這一研究代表了目前機(jī)器手研究的巨大飛躍。但除了如此復(fù)雜的高度仿生的機(jī)械手外，研究人員們還在研究如何用更為簡單的“手”來完成一些簡單的任務(wù)。

夾爪

伯克利大學(xué)AutoLab的研究人員創(chuàng)造出了利用兩個(gè)手指的夾爪來抓取螺絲刀、老虎鉗等細(xì)小的工具，并把他們放到指定的箱子里。

由于夾爪的控制比五指機(jī)械手容易，同時(shí)軟件也比仿生的機(jī)械手容易的多。所以在很多簡單場合是一種不錯(cuò)的抓取工具。它同時(shí)也可以處理一些稍微變化的物體。例如沙拉醬的瓶子，在它看來就十分類似于螺絲刀的長條圓柱形，可以尋找到合適的點(diǎn)來抓取。但當(dāng)它遇到一些外形十分不同的形狀（與已知的形狀相去甚遠(yuǎn)），例如一只鐲子，它就難以抓取了。

傳送門>>機(jī)器人操作的“圣杯問題” -- Bin Picking

撿拾

如果你想要機(jī)器人抓取更多的物體，甚至是從未見過物體那要怎么辦呢？AutoLab的科學(xué)家們?cè)谶^去幾年一直致力于這方面的研究，并開發(fā)出了一款稱為Dex-Net的框架，來幫助機(jī)器人識(shí)別并抓取不同形狀的物體。

系統(tǒng)的硬件十分簡單，綜合了兩種抓取系統(tǒng)：分別是夾爪和吸盤。但簡單的組合帶來的是它可以抓取十分豐富的物體類別，從剪刀到玩具恐龍都可以輕松處理。

這主要得益于這套系統(tǒng)集成了目前先進(jìn)的機(jī)器學(xué)習(xí)算法。研究人員們?yōu)槌^10000中物體建模，識(shí)別出最好的抓取策略。隨后利用神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)、分析、處理這些數(shù)據(jù)，學(xué)會(huì)通過圖像識(shí)別出抓取物體的最好方式。這使得機(jī)器人的抓取方式有了質(zhì)的提升，與過去需要為每一種任務(wù)方式編程不同，現(xiàn)在機(jī)器人可以通過自己來學(xué)習(xí)物體的抓取。

利用這套系統(tǒng)，機(jī)器人可以在完全隨機(jī)排布的情況下實(shí)現(xiàn)抓取。雖然這套系統(tǒng)并不完美，但它可以不斷學(xué)習(xí)，以遠(yuǎn)超過去的速度不斷改進(jìn)自身的表現(xiàn)。

鋪床

機(jī)器人可能還不是一個(gè)完美的管家，但是在某些方面已經(jīng)顯示出了很棒的結(jié)果。研究人員們最近研發(fā)出了一套可以自動(dòng)整理床鋪的機(jī)器人。這套系統(tǒng)可以通過分析目前的床鋪狀況來規(guī)劃出一系列動(dòng)作，從而實(shí)現(xiàn)床鋪的整理。

推一推

機(jī)器人還可以利用夾爪推動(dòng)在平面上的物體，并預(yù)測它最終的位置。這意味著機(jī)器人可以像你我一樣在桌面上移動(dòng)物體到任意的位置。

這一系統(tǒng)通過大量的視頻學(xué)習(xí)了如何推動(dòng)物體，通過這樣的方式它可以學(xué)會(huì)處理不確定和意外的運(yùn)動(dòng)。

未來

上述幾種都是單一任務(wù)，在超出一定范疇的情況下就無法準(zhǔn)確抓取了。但隨著近年里機(jī)器學(xué)習(xí)的發(fā)展，這一領(lǐng)域的研究在不斷向前推進(jìn)著。

和OpenAI類似，華盛頓大學(xué)的研究人員訓(xùn)練著與真實(shí)情況一樣的機(jī)械手。這比起訓(xùn)練吸盤和夾爪更加困難。主要是由于類人的手部具有豐富的自由度和關(guān)節(jié)，帶來了十分多樣的運(yùn)動(dòng)方式。

在OpenAI，研究人員們同樣利用模擬環(huán)境來訓(xùn)練機(jī)械手。在大量的電腦硬件上運(yùn)行模擬環(huán)境，并引入一系列隨機(jī)性使得它在短時(shí)間內(nèi)掌握了超過100年的操作經(jīng)驗(yàn)。

當(dāng)訓(xùn)練完成后，就可以將這樣的經(jīng)驗(yàn)遷移到真實(shí)世界中去了。Dactyl的成功驗(yàn)證了這種遷移學(xué)習(xí)的方法。使得更多復(fù)雜的任務(wù)成為可能。在未來，可以將這些任務(wù)輸入到具有強(qiáng)大運(yùn)算能力的計(jì)算機(jī)中去，模擬、學(xué)習(xí)，而后輸出遷移到現(xiàn)實(shí)世界中。這將為機(jī)械手解鎖越來越多的新技能。除了機(jī)械手，還有無人機(jī)、制造業(yè)、甚至自動(dòng)駕駛汽車，都會(huì)從中受益。