解放人（rén）類的雙手 機器人嚐試自主學習抓取物體（tǐ）

98%的情況下機器人抓取都是成（chéng）功的。訓練（liàn）機器人如何在（zài）不掉落的情況下抓住各種物體，通常需要大量的練習。

不過，加州大學伯克利分校和西（xī）門子的研究人員聯合設計（jì）並在即將發表的論文中描述了一款新型的機器人，它可以通過研究一（yī）個3D形狀的數據庫來學（xué）習如何抓牢新物體。該機器人連接了一個3D傳感器和一個可以深（shēn）度學習神經網（wǎng）絡，研究人員（yuán）就是通過這兩者來為其提供物體（tǐ）的（de）圖像信息。這些信息包括物體形狀、視覺外觀以及如何抓住它們的物理知識。

因此，當一個新物體放置在機器人麵前時，後者隻需將物體與（yǔ）數據庫（kù）中的一個類似對（duì）象（xiàng）做相應的（de）匹配。在實（shí）際操作中，當機器人有超過50%的自信能夠抓住一個新物體時，98%的情況下都會取得成功。不過（guò）要是機器人的自信不足50%，它就會先試探性地（dì）抓取（qǔ）這個物體，然後形（xíng）成一個（gè）抓取策略。在這種情況下，機器人有99%成功（gōng）的機會。所以克服機器（qì）人缺乏自信的方法就（jiù）是做一個快速的小檢查。

這種訓練方法可以減少大量機器學習的時間，並且使機器人變得更加靈活。Jeff Mahler，一位（wèi）研究這個項（xiàng）目的博士後向麻（má）省理工科（kē）技技術評論表示“我們可以在一天內為深度神經網絡生成足夠的訓練數據，從而免（miǎn）去了在一個真正的（de）機器人上運行幾個月物理實（shí）驗（yàn）的麻煩。”目前在工廠中投入使用的機器人對已知物體的（de）抓取已經（jīng）非常精確，但是其麵對新（xīn）物體時仍不能很好的適應（yīng）。這種訓練策略的效率和機器人握力的可靠性使該方法在未來的商業應用中能夠很好地發揮作用。