對于已經(jīng)輕車熟路的任務(wù)，機器人做起來效率無人能及，但如果遇到了新問題，比如需要抓起一個不熟悉的物品，機器人通常會卡殼。不過 AI 的加入可以解決這一問題，Dex-Net 系統(tǒng)就利用深度學(xué)習(xí)讓機器手能高效完成對不熟悉物品的抓取。

這套系統(tǒng)的原理其實與人抓取物品類似。我們看到一個物品時，會先理解它的形狀，然后將其與自己熟悉的其他物體進行對比，利用已經(jīng)掌握的知識找到抓取物體的最佳方式。

不過，Dex-Net 可沒有人類的眼睛和記憶，因此其發(fā)明者直接給它輸入了超過 600 萬個人工 3D 物品圖像，并對這些物品的抓取方法做了一一解釋。在實際使用中，這套系統(tǒng)會先對物品進行掃描，隨后與云端記憶庫進行對比，然后按照最接近的抓取方法進行操作。

在測試中，研究人員拿了幾個 Dex-Net 從沒見過的物體，結(jié)果它在抓取中只失誤了一次，水平相當高。雷鋒網(wǎng)還注意到，Dex-Net 的判斷相當迅速，平均不到一秒它就能找到正確的抓取方法。

Dex-Net 是加州大學(xué)伯克利分校機器人專家的作品，今年 7 月，他們將在一場展會上給我們呈現(xiàn)該系統(tǒng)的最新版本。同時，機器人專家還準備公布這 600 萬個物品的數(shù)據(jù)集和他們多年來積累的點云資料庫。

Via. TechCrunch

雷鋒網(wǎng)正在啟動“新智造成長榜2017”評選活動，我們將對人工智能與機器人行業(yè)進行大規(guī)模報道、梳理和調(diào)研，并聯(lián)合數(shù)十家著名投資機構(gòu)根據(jù)這些創(chuàng)新公司的技術(shù)實力、商業(yè)能力和成長性進行深度評選，最終從多個領(lǐng)域分別選出一些極具潛力成長性的創(chuàng)新公司。如果你想?yún)⑴c我們的評選，可點擊「報名」鏈接，或通過郵箱xinzhizao@leiphone.com聯(lián)系我們！

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。