2
對于已經輕車熟路的任務，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 系統就利用深度學習讓機器手能高效完成對不熟悉物品的抓取。
這套系統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，結果它在抓取中只失誤了一次，水平相當高。雷鋒網還注意到，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該系統的最新版本。同時，機器人專家還準備公布這 600 萬個物品的數據集和他們多年來積累的點云資料庫。
Via. TechCrunch
雷鋒網正在啟動“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進行大規模報道、梳理和調研，并聯合數十家著名投資機構根據這些創新公司的技術實力、商業能力和成長性進行深度評選，最終從多個領域分別選出一些極具潛力成長性的創新公司。如果你想參與我們的評選，可點擊「報名」鏈接，或通過郵箱xinzhizao@leiphone.com聯系我們！
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
