上面的机械人或许看起来其貌不扬，然则依据新的测试办法，它是今朝最灵活的机械，具有多项技巧，好比对你的渣滓抽屉停止分类整顿，速度和技能惊人。
这类灵活性的症结不在于它的机械抓手，而在于它的年夜脑。该机械人基于名为Dex-Net的软件拾取物体，即便物体异常奇异，其肯定效力也异常高，使人难以相信。
这台新机械人由加州年夜学伯克利分校传授Ken Goldberg和他的一位研讨生Jeff Mahler建造。 Goldberg专注于人工智能，他在由麻省理工科技评论组织的旧金山EmTech Digital博览会上展现了机械人的最新版本。
Goldberg的机械人比之前开辟的任何器械都更接近于人类的闇练水平。而具有高灵巧性的工业机械人可以在仓库、工场、病院、家庭场景中找到用武之地。
Dex-Net特殊聪慧的一点是它进修抓取的才能。该软件测验考试在虚拟情况中拾取物品，经由过程重复试错来练习深度神经收集。即便在模仿中，这也是一项艰难的义务。但更主要的是，Dex-Net可以将它从之前看到的一个物品推行到新的物品。假如不肯定应当若何捉住一个物品，机械人乃至会推进这件物品以更好地不雅察它。
该体系的最新版本包含一个高分辩率3-D传感器和两个手臂，每一个手臂都由分歧的神经收集掌握。一只手臂装备了传统的机械人手爪，另外一只手臂带有吸气体系。机械人的软件扫描一个物体，然后检查两个神经收集，以及时决议特定物体是该抓取照样汲取。
加州年夜学伯克利分校的研讨人员还开辟出了一种更好的办法来权衡一个抓取机械人的机能：一种称为“每小时均匀抓取数”的器量尺度，它是经由过程将每次抓取的均匀时光与一组分歧对象的均匀胜利几率相乘而盘算出来的。
新的目标将赞助机械人的研讨试验室分享他们的结果。 “我们一向在议论若何尺度化成果，以便不雅察提高，”Goldberg说， “这一切都取决于你所应用的机械人，你所应用的传感器，和异常主要的是，你的机械人所抓取的是甚么物体。”
人类每小时可以或许拾取400至600个物品。在比来由亚马逊组织的竞赛中，最好的机械人可以或许做到70到95之间。Goldberg说，新机械每小时可以到达均匀200到300个。这项结果将在本年晚些时刻在澳年夜利亚的一次会议上展现。
在演讲中Goldberg弥补说，在五年内，他估计机械人每小时的效力将“到达乃至跨越人类的均匀程度”。
抓取和把持奇怪和生疏的物体是机械人技巧的一个根本挑衅。例如，在汽车工场的机械人疾速而准确，但没法顺应变更或生疏的情况。除工场或仓库任务以外，具有更庞杂的操作才能的机械人要”“有效"，比来的选项或许是赞助病院、老年护理机构的人们。
比来的机械人技巧停顿是几项技巧同时成长的成果。更小、更平安的机械人愈来愈多，新的端部夹取机械人曾经涌现，更主要的是，机械进修方面获得的严重停顿。
除Goldberg在其他几个学术试验室的任务和研讨以外，DeepMind和OpenAI等研讨人员曾经开端摸索机械进修若何可以或许使机械人变得加倍智能和更具顺应性。机械人技巧的提高极可能反应到人工智能的其他范畴，例如感知。
“机械进修对机械人技巧发生了史无前例的影响，”曾看过UC Berkeley机械人演示的MIT传授Russ Tedrake说。“让机械人运用到我们机械人技巧的年夜数据中，这有着使人难以相信的价值。”
