美國研究人員通過VR訓練機器人拾取物體

未授權禁止轉載本文到微信公眾號，文章相關引用及參考：digitaltrends

美國加州大學伯克利分校的研究人員正通過虛擬現實來訓練機器人拾取物體。

（映維網 2017年5月31日）我們的雙手擅於拾取各種各樣的物體，而我們的大腦則可為其提供最佳的方式和切入點。然而，這對機器人而言並不容易。在面對現實生活中千千萬萬種形狀不同的物體，機器人難以根據特定的物體採用專門的抓取方式。

為此，美國加州大學伯克利分校的研究人員開發了一個名為DexNet 2.0的系統。藉助深度學習神經網路，這個系統能夠在虛擬現實中分析物體，而不是通過在現實場景中無數次的練習。

負責這一項目的博士后研究員傑夫·馬勒（Jeff Mahler）表示：「我們構建了基於抓取物理學的概率模型，而不是假設機器人明白世界的真實狀態。具體來說，我們根據對環境的觀察來為硬度或成功抓取的概率進行建模。我們使用了1500個虛擬3D模型來生成670萬個合成點雲和抓取。然後我們通過深度學習對特定點雲進行抓取成功的概率預測。深度學習允許我們通過大型而複雜的數據集來學習這種映射。」

DexNet最為明顯的應用是改進用於倉庫或生產車間的機器人，使其能夠處理新元件或其他對象，並且將它們包裝在箱子中或執行組裝。但馬勒指出，這種技術同時可以幫助提升家庭機器人的性能，比如清理物品或幫助老年人拾取物品的機器人。

但研究人員還有很多工作要做。馬勒表示：「明年研究的主要重點是讓機器人掌握針對特定用例的抓取。例如，豎直擺放一個瓶子，或是翻轉瓶子並將其插入至磚塊之中。」

其他用例包括在一堆混亂的物體中抓取對象，或重新定向物體以進行組裝。研究團隊計劃在2017年晚些時候開源必要的代碼，讓用戶可以生成自己的訓練數據集，並把系統應用在他們自己研發的機器人身上。

馬勒解釋說：「我們對商業化存在一定的興趣，但我們在未來6-12個月的時間裡對進一步的研究更感興趣。」

值得一提的是，OpenAI的研究員同樣在利用虛擬現實來訓練機器人。他們在博文中介紹，只需在虛擬現實中記錄一次動作，包含兩個AI演算法的系統就能夠指示物理設備來解碼和複製動作。