你知道夾娃娃機(jī)嗎?那些騙你零花錢的花招。它們也許是你所知的最接近機(jī)器人的東西。當(dāng)然,它們并不是真實(shí)的機(jī)器人,可是它們確實(shí)和機(jī)器人有相似的地方。比如說(shuō),它們沒(méi)辦法敏捷地抓取物體。
作為人類,也許你會(huì)覺(jué)得隨手從桌上拿起一張紙是十分簡(jiǎn)單的事??墒腔孟胍幌?,讓機(jī)器人來(lái)做這件事。這就不簡(jiǎn)單了。疑問(wèn)是,許多機(jī)器人都被教訓(xùn)要用超專業(yè)的算法來(lái)完結(jié)單一的任務(wù)。但很明顯,你沒(méi)辦法讓機(jī)器人去處理它遇到的一切疑問(wèn),沒(méi)辦法教它們拿起物體。由于這是人工智能要做的事。
加州大學(xué)伯克利分校的研究人員給一個(gè)機(jī)器人裝上了人工智能體系,這么它就能知道怎么用力抓取它曾經(jīng)從未見(jiàn)過(guò)的物體,而無(wú)需憑借把手等東西。機(jī)器人專家想要開宣布可以掌控周圍環(huán)境的真實(shí)智能又靈巧的機(jī)器人,這是一件了不得的工作。訣竅在于,用一組點(diǎn)云數(shù)據(jù)庫(kù)來(lái)替代物體,研究人員再把這些數(shù)據(jù)輸入到神經(jīng)網(wǎng)絡(luò)中。
“它的練習(xí)方法是在根據(jù)點(diǎn)云數(shù)據(jù)庫(kù),然后掌握它。”機(jī)器人專家KenGoldberg說(shuō),他和博士后JeffMahler一起開發(fā)了這個(gè)體系。“因此,如今咱們向它展示點(diǎn)云,它就理解怎么用力抓取物體了。‘用力’也成了操作指令之一。”這個(gè)團(tuán)隊(duì)不只僅是要讓機(jī)器人抓取物體,更是在尋覓實(shí)現(xiàn)這一點(diǎn)的最好方法。
使用這個(gè)神經(jīng)網(wǎng)絡(luò)和微軟的Kinect3-D傳感器,機(jī)器人得以調(diào)查物體,并斷定抓取的力度。當(dāng)它充滿信心時(shí),可以確保在100次中有99次抓取成功。Goldberg表示:“機(jī)器人在這么做的時(shí)分,本來(lái)并不知道這個(gè)物體是啥。它只是把這個(gè)物體看作是空間中的成堆點(diǎn),并挑選抓取某成堆。所以不論這個(gè)物體是一張皺巴巴的紙巾仍是啥,都無(wú)所謂。”
幻想一下,有一天機(jī)器人會(huì)潛入咱們的家中,幫咱們做家務(wù),不只是像掃地機(jī)器人Roomba那樣掃掃地,它還能洗碗、拾掇雜物,避免白叟被絆倒。
機(jī)器人會(huì)遇到許多別致的東西,而親愛(ài)的人類懶得操心去逐個(gè)教會(huì)它們。經(jīng)過(guò)自學(xué),它們可以十分好地習(xí)慣周圍的環(huán)境。精準(zhǔn)度至關(guān)重要。如果機(jī)器人在洗碗,卻只能100次中捉住盤子50次,那么成果將是十分尷尬的,一半的餐具都?xì)Я?。但這正是將來(lái)開展的風(fēng)趣的地方。
機(jī)器人不是獨(dú)自工作和學(xué)習(xí)的,它們會(huì)被連接到云端,以便共享信息。舉個(gè)比如,一個(gè)機(jī)器人學(xué)會(huì)了如何疊好襯衣。然后,它可以將這個(gè)常識(shí)傳播給別的機(jī)器人,乃至是徹底不一樣的機(jī)器人。經(jīng)過(guò)這種方法,聯(lián)網(wǎng)機(jī)器不只可以變成全球化的勞動(dòng)力,還可以擁有全球化的思想。當(dāng)然,如今機(jī)器人還在習(xí)慣這個(gè)國(guó)際。
盡管Goldberg的新體系絕對(duì)是個(gè)大新聞,但它并不完美。請(qǐng)記住,當(dāng)機(jī)器人相信自個(gè)可以抓取物體時(shí),它的準(zhǔn)確度就達(dá)到了99%。有時(shí)分即便它沒(méi)信心,它也也許會(huì)去抓取,或許就直接拋棄了。“所以咱們?nèi)缃裾谧龅囊患录词切拚w系,”戈德堡說(shuō),“當(dāng)它不自傲的時(shí)分,而不是拋棄它,它就會(huì)推動(dòng)這個(gè)物體或許戳它,然后移動(dòng)它,再看一遍,然后捉住它。”十分有意思。如今終于有人要給那些煩人的夾娃娃機(jī)一點(diǎn)色彩看看了。