人工智能与光学技术深度融合促进了机器人劳动力水平突破性提升 | 广东省智能创新协会

近日，来自美国麻省理工学院的研究人员将计算机化人工智能（AI）与光学技术进行突破性的结合，使智能机器人能够在仓储、制造甚至家务等工作中彻底改变现有机器人的劳动力水平。

Peter Florence，Lucas Manuelli和Russ Tedrake表示他们已经在计算机视觉方面取得了突破，使机器人能够检查他们以前从未见过的随机物体，然后了解它们足以使用它们完成特定任务。

在预印本服务器arXiv上发表的一篇新论文中，麻省理工学院计算机科学与人工智能实验室（CSAIL）工作的科学家表示他们已经用他们称之为“密集对象网”（DON）的系统进行了重点开发，其中的对象被视为点的集合，作为各种“视觉路线图”。

通过这种方式，机器人可以更好地理解和操纵物品，最重要的是，在类似的物品中拾取特定物体 - 这是基于仓库的机器的一项宝贵技能，公司可以使用这些机器对产品系列进行分类。

例如，机器人可能需要抓住物体上的特定位置 - 比如鞋子的鞋边。在扫描鞋子并将其识别为一系列点之后，它可以看到另一只鞋子，一只以前没有看过的鞋子，并成功抓住它的鞋边。

DON系统将任何对象记录为一系列点，然后将这些点映射在一起以可视化其三维形状。该过程类似于通过将多个较小镜头拼接在一起来编辑单个全景图像。

机器人经过DON训练后，操作人员可以指定对象上的点。然后机器人将编译其地图，识别并匹配适当的点，然后在指定的位置拾取对象。

佛罗伦萨及其同事将学习曲线与幼儿智力发展进行了比较。他们说，让一个小孩拿起一个特定的玩具，他或她可能会抓住很多，直到发生所需的玩具。相比之下，一个四岁的孩子可以被指示“在红色的末端抓住你的卡车”并毫不费力地遵守。

在对软玩具进行的一组测试中，由DON驱动的机器人手臂可以从一系列不同的配置中抓住玩具的右耳。这表明，除其他外，系统具有在对称物体上区分左右的能力。

当在一个不同棒球帽的箱子上进行测试时，DON可以选择一个特定的目标帽子，尽管它们具有相似的设计 - 并且之前从未见过训练数据中的帽子图片。

Manuelli解释说，在工厂中，机器人通常需要复杂的机械辅助工具才能可靠地工作。“但这样一个可以理解物体方向的系统可以拍摄照片，并能够相应地掌握和调整物体，”他说。

在未来，麻省理工学院的团队希望改进系统，以便能够通过更深入地了解相应的对象来执行特定的任务。例如，它可以学习如何抓住物体并以指定的方式移动物体，最终目标是清洁桌子。

该论文将于10月在瑞士苏黎世由国际机器人研究基金会（IFRR）组织的机器人学习会议上发表。

广东省智能创新协会（www.zhinengxiehui.com）目前是广东省第一家同时也是唯一一家泛智能产业协会，是广东省民政厅正式批准成立的具有独立法人资格的非营利性社会组织。