2
对于已经轻车熟路的任务，机器人做起来效率无人能及，但如果遇到了新问题，比如需要抓起一个不熟悉的物品，机器人通常会卡壳。不过 AI 的加入可以解决这一问题，Dex-Net 系统就利用深度学习让机器手能高效完成对不熟悉物品的抓取。
这套系统的原理其实与人抓取物品类似。我们看到一个物品时，会先理解它的形状，然后将其与自己熟悉的其他物体进行对比，利用已经掌握的知识找到抓取物体的最佳方式。
不过，Dex-Net 可没有人类的眼睛和记忆，因此其发明者直接给它输入了超过 600 万个人工 3D 物品图像，并对这些物品的抓取方法做了一一解释。在实际使用中，这套系统会先对物品进行扫描，随后与云端记忆库进行对比，然后按照最接近的抓取方法进行操作。
在测试中，研究人员拿了几个 Dex-Net 从没见过的物体，结果它在抓取中只失误了一次，水平相当高。雷锋网还注意到，Dex-Net 的判断相当迅速，平均不到一秒它就能找到正确的抓取方法。
Dex-Net 是加州大学伯克利分校机器人专家的作品，今年 7 月，他们将在一场展会上给我们呈现该系统的最新版本。同时，机器人专家还准备公布这 600 万个物品的数据集和他们多年来积累的点云资料库。
Via. TechCrunch
雷锋网正在启动“新智造成长榜2017”评选活动，我们将对人工智能与机器人行业进行大规模报道、梳理和调研，并联合数十家著名投资机构根据这些创新公司的技术实力、商业能力和成长性进行深度评选，最终从多个领域分别选出一些极具潜力成长性的创新公司。如果你想参与我们的评选，可点击「报名」链接，或通过邮箱xinzhizao@leiphone.com联系我们！
雷峰网原创文章，未经授权禁止转载。详情见转载须知。
