应用：工业|
热门搜索：
当前位置：
为什么让机器人抓取个物品那么难？
如今，人工智能已经可以轻松处理复杂的认知工作如协助法律和医疗研究，但对机器人来说，捡起地上掉落的衣服依然是天方夜谭。伯克利、康奈尔等大学和亚马逊、丰田等公司都在不断努力，试图让机械手拥有人手一样的敏捷度。
去年 9 月份我参观 Goldberg 的实验室时，他在我面前摆了许多奇形怪状的 3D 打印模型。Goldberg 让我试着拿起其中一个，但我发现这些东西根本没有可以握住的把手，于是第一次某个模型从我手中滑落了。Goldberg 称这种形状为敌对形状，他认为如果自家数据库能搞定这些形状的物体，机器手敏捷度就能比人手还棒。为此，Dex－Net 数据库专门开发了一个算法，对数据库中的每个虚拟物体，都会尝试通过 1000 种不同的方式抓取 1000 次。三个月后，我再次造访实验室，在这里我见到了 Goldberg 的得意门生 Jeff Mahler，他现在负责运营数据库，而且已经完成了 YuMi 与数据库的连接。“工业擅长做重复工作，但在环境不断变换的情况下，机器人需要不断适应自己感受到的新环境，这是个巨大的挑战。”Goldberg 说道。借助 Alexa，Mahler 让机器人把那些奇怪的 3D 打印模型放在盒子里。机械手触碰到那个给了我下马威的物品后，也手滑了。不过，错误也能产生新经验，如果能弄上百台一起测试的话，就能找到抓取这个物品的窍门，一台机器人学会了，联网的所有机器人就都学会了。亚马逊在机器人研发上也有自己的一套。2015 年，电商巨头推出了亚马逊机器人竞赛项目，获胜的机器人未来可能会进入装运中心服役，彻底替代人类工人。2016 年，该比赛的获胜者是来自荷兰的代尔夫特大学，他们的机器人从大包中取出了 12 件货物并分别将它们放在了不同的箱子中。在抓取表面平滑的货物时，机器人用到了吸盘，其他的则采用机器爪。整个过程虽然很精确，但速度实在太慢了。伯克利大学还没参与到亚马逊的竞赛中来，不过今年它们将参加历史悠久的家政机器人大赛。在比赛中，机器人要完成吸尘、送饭或打扫房间的任务。不过，参赛机器人限制较多，各家团队只能用丰田的人类支援机器人或软银可爱的小辣椒 Pepper。那么家政机器人吸引力到底如何呢？“如果花 2000 美元就能让家里整洁如新，我会毫不犹豫买一台的。”Goldberg 预测道。此类机器人不但能对付乱扔东西的熊孩子，还能帮助残疾人或老人做家务，未来它们可能还会承担外出购物的任务。一家名为 Seven Dreamers 的公司已经做出了叠衣机器人 Laundroid，经过多年研发，这款产品今年 3 月就将正式上市，不过它动作非常缓慢，而且只会做叠衣服一个动作。康奈尔大学的光导管给机器人一双灵巧的手回看 1973 年的原版《西部世界》电影中，机器人只安装了略显畸形的手。不过，即使几十年过后，现在的机器人也没什么进步。 Goldberg 自家实验室研发的 YuMi 机器人有两根刚性手指，它们像大白鲨一样可以开开合合。如果它们能用上完整的手，抓起物品来肯定会轻松得多。不过，眼下 Goldberg 团队的主要任务还是对现有工业机器人进行改进，要打造未来机器人灵巧的双手，用到的方法可完全不同。
&&&&&&&&&&
本文由入驻OFweek公众平台的作者撰写，除OFweek官方账号外，观点仅代表作者本人，不代表OFweek立场。如有侵权或其他问题，请联系举报。
邮箱/用户名：
忘记密码？
用其他账号登录： QQ
请输入评论
机器人机器视觉伺服
广东省/深圳市
四川省/成都市
广东省/深圳市
广东省/深圳市
广东省/深圳市
广东省/深圳市
北京市/海淀区
广东省/深圳市
广东省/深圳市
广东省/惠州市
*文字标题：
*纠错内容：
联系邮箱：
*验 证 码：您正在使用IE低版浏览器，为了您的雷锋网账号安全和更好的产品体验，强烈建议使用更快更安全的浏览器
发私信给李淼robot
导语：抓取是机器人走进真实世界必不可少的功能，手对人类是如此重要，我们当然希望赋予机器人同样的功能。
同步到新浪微博
库柏特科技CEO，武汉大学特聘副教授。瑞士联邦洛桑理工（EPFL）博士，研究方向为机器人学习和人机协调交互。
当月热门文章
为了您的账户安全，请
您的邮箱还未验证,完成可获20积分哟！
您的账号已经绑定，现在您可以以方便用邮箱登录
请填写申请人资料基于机器视觉的工业机器人抓取技术的研究.pdf
扫描二维码，下载文件到手机
相关文档推荐
当前文件信息
浏览：388次
保存：57次
下载：235次
您的VIP会员已过期，是否续费？
用户应遵守著作权法，尊重著作权人合法权益，不违法上传、存储并分享他人作品。举报邮箱：
京网文[0号 京ICP证100780号机器人抓取时怎么定位的？用什么传感器来检测？ - 知乎1107被浏览66100分享邀请回答21826 条评论分享收藏感谢收起arxiv.org/pdf/1.pdf)，大致是这个方案，感兴趣的朋友可以看看论文细节。物体抓取的话这几年比较热闹的是。定时比赛抓取30几种不同的物体。今年据说还会在比赛前30分钟增加十几种未知物体，考验系统的zero-shot learning/one-shot learning的能力。我认识的Princeton Vision和MIT的MCube（）组队一直在参加，他们做了个不错的项目主页（）。系统在他们的一篇ICRA'17论文里（）。也是segmentation network + ICP的结构，有意思的是一个self-supervised training的步骤，节省了很多数据标定的时间。P.S. Robotics的项目真是工程量巨大，而且是真要求work，搞篇论文比CV纯灌实验难多了，谁做谁知道。。。1417 条评论分享收藏感谢收起查看更多回答3 个回答被折叠（）}