<mark id="oztn4"></mark>
0
| 本文作者： 大壯旅 | 2017-01-16 18:35 |
加州伯克利機(jī)器人教授 Ken Goldberg 愁容滿面，他不斷摩挲著手中的咖啡杯，嘴里還念念有詞的說道：“讓機(jī)器人掌握這類數(shù)據(jù)怎么這么難啊。”
如今，人工智能已經(jīng)可以輕松處理復(fù)雜的認(rèn)知工作如協(xié)助法律和醫(yī)療研究，但對(duì)機(jī)器人來說，撿起地上掉落的衣服依然是天方夜譚。伯克利、康奈爾等大學(xué)和亞馬遜、豐田等公司都在不斷努力，試圖讓機(jī)械手擁有人手一樣的敏捷度。
如果某一天有人能取得成功，無疑將引發(fā)新一輪的機(jī)器人革命，這些靈巧的機(jī)器將進(jìn)一步釋放社會(huì)生產(chǎn)力。
誠然，機(jī)器進(jìn)入我們生活已經(jīng)幾個(gè)世紀(jì)了，但它們能做的工作較為有限。“它們都被安置在固定地點(diǎn)，重復(fù)的做著各種機(jī)械的任務(wù)。”Goldberg 說道。不過，一旦出了工廠，在一些非結(jié)構(gòu)化的環(huán)境中，如亂糟糟的房間和繁忙的倉庫，機(jī)器就會(huì)變得束手無策。
“抓取某個(gè)物體聽起來簡(jiǎn)單，人類甚至不用思考就能輕松完成，但對(duì)于機(jī)器人來說這一動(dòng)作卻非常微妙且難以捉摸。”Goldberg 說道。但如果仔細(xì)推敲，這一過程其實(shí)要依靠我們大腦中非常復(fù)雜的網(wǎng)絡(luò)來完成。就拿端起馬克杯來說，人類大腦會(huì)自動(dòng)計(jì)算出怎樣握持杯子最穩(wěn)，它連每個(gè)指頭該放的地方都規(guī)定的清清楚楚。
人類通過進(jìn)化，大腦已經(jīng)有了自己高度定制的處理慣例。“雖然桌子上放的鋼筆我從來沒見過，但我知道自己能輕松把它拿起來。”Goldberg 說道。“在拿取鋼筆的過程中，大腦重拾此前類似的體驗(yàn)，并將處理方法回傳給雙手。”現(xiàn)在，Goldberg 正與自己的學(xué)生教機(jī)器人學(xué)習(xí)這個(gè)小竅門。為此他們專門搭建了一個(gè)名為 Dexterity Network（敏捷網(wǎng)絡(luò)）的網(wǎng)絡(luò)數(shù)據(jù)庫，這里存了約一萬個(gè) 3D 虛擬物品，未來數(shù)據(jù)庫存放虛擬物品的規(guī)模可能還會(huì)逐步擴(kuò)展至百萬級(jí)。
去年 9 月份我參觀 Goldberg 的實(shí)驗(yàn)室時(shí)，他在我面前擺了許多奇形怪狀的 3D 打印模型。Goldberg 讓我試著拿起其中一個(gè)，但我發(fā)現(xiàn)這些東西根本沒有可以握住的把手，于是第一次某個(gè)模型從我手中滑落了。Goldberg 稱這種形狀為敵對(duì)形狀，他認(rèn)為如果自家數(shù)據(jù)庫能搞定這些形狀的物體，機(jī)器手敏捷度就能比人手還棒。
為此，Dex-Net 數(shù)據(jù)庫專門開發(fā)了一個(gè)算法，對(duì)數(shù)據(jù)庫中的每個(gè)虛擬物體，都會(huì)嘗試通過 1000 種不同的方式抓取 1000 次。三個(gè)月后，我再次造訪實(shí)驗(yàn)室，在這里我見到了 Goldberg 的得意門生 Jeff Mahler，他現(xiàn)在負(fù)責(zé)運(yùn)營數(shù)據(jù)庫，而且已經(jīng)完成了工業(yè)機(jī)器人 YuMi 與數(shù)據(jù)庫的連接。“工業(yè)機(jī)器人擅長做重復(fù)工作，但在環(huán)境不斷變換的情況下，機(jī)器人需要不斷適應(yīng)自己感受到的新環(huán)境，這是個(gè)巨大的挑戰(zhàn)。”Goldberg 說道。
借助 Alexa，Mahler 讓機(jī)器人把那些奇怪的 3D 打印模型放在盒子里。機(jī)械手觸碰到那個(gè)給了我下馬威的物品后，也手滑了。不過，錯(cuò)誤也能產(chǎn)生新經(jīng)驗(yàn)，如果能弄上百臺(tái)一起測(cè)試的話，就能找到抓取這個(gè)物品的竅門，一臺(tái)機(jī)器人學(xué)會(huì)了，聯(lián)網(wǎng)的所有機(jī)器人就都學(xué)會(huì)了。
亞馬遜在機(jī)器人研發(fā)上也有自己的一套。2015 年，電商巨頭推出了亞馬遜機(jī)器人競(jìng)賽項(xiàng)目，獲勝的機(jī)器人未來可能會(huì)進(jìn)入裝運(yùn)中心服役，徹底替代人類工人。2016 年，該比賽的獲勝者是來自荷蘭的代爾夫特大學(xué)，他們的機(jī)器人從大包中取出了 12 件貨物并分別將它們放在了不同的箱子中。在抓取表面平滑的貨物時(shí)，機(jī)器人用到了吸盤，其他的則采用機(jī)器爪。整個(gè)過程雖然很精確，但速度實(shí)在太慢了。
伯克利大學(xué)還沒參與到亞馬遜的競(jìng)賽中來，不過今年它們將參加歷史悠久的家政機(jī)器人大賽。在比賽中，機(jī)器人要完成吸塵、送飯或打掃房間的任務(wù)。不過，參賽機(jī)器人限制較多，各家團(tuán)隊(duì)只能用豐田的人類支援機(jī)器人或軟銀可愛的小辣椒 Pepper。
那么家政機(jī)器人吸引力到底如何呢？“如果花 2000 美元就能讓家里整潔如新，我會(huì)毫不猶豫買一臺(tái)的。”Goldberg 預(yù)測(cè)道。此類機(jī)器人不但能對(duì)付亂扔?xùn)|西的熊孩子，還能幫助殘疾人或老人做家務(wù)，未來它們可能還會(huì)承擔(dān)外出購物的任務(wù)。
雷鋒網(wǎng)注意到，一家名為 Seven Dreamers 的公司已經(jīng)做出了疊衣機(jī)器人 Laundroid，經(jīng)過多年研發(fā)，這款產(chǎn)品今年 3 月就將正式上市，不過它動(dòng)作非常緩慢，而且只會(huì)做疊衣服一個(gè)動(dòng)作。
康奈爾大學(xué)的光導(dǎo)管
回看 1973 年的原版《西部世界》電影中，機(jī)器人只安裝了略顯畸形的手。不過，即使幾十年過后，現(xiàn)在的機(jī)器人也沒什么進(jìn)步。 Goldberg 自家實(shí)驗(yàn)室研發(fā)的 YuMi 機(jī)器人有兩根剛性手指，它們像大白鯊一樣可以開開合合。如果它們能用上完整的手，抓起物品來肯定會(huì)輕松得多。
不過，眼下 Goldberg 團(tuán)隊(duì)的主要任務(wù)還是對(duì)現(xiàn)有工業(yè)機(jī)器人進(jìn)行改進(jìn)，要打造未來機(jī)器人靈巧的雙手，用到的方法可完全不同。
在這方面，康奈爾有機(jī)機(jī)器人實(shí)驗(yàn)室擁有一定的領(lǐng)先優(yōu)勢(shì)，它們的機(jī)器人像人一樣擁有 5 根指頭，這五根指頭還是硅膠打造，而非生硬的金屬。“簡(jiǎn)單來說，每根指頭就像一個(gè)氣球，而驅(qū)動(dòng)它們的則是壓縮空氣，其原理與我們常見的彩彈槍類似。這種人造手指的底部幾乎不能動(dòng)彈，但充入空氣后，其頂部可向內(nèi)彎曲模擬人類手部動(dòng)作。”
從理論上來講，你甚至可以順利的和康奈爾大學(xué)的機(jī)器人握手，未來這項(xiàng)技術(shù)可用來打造仿生手。
有了柔軟的手指，抓取物品的過程就會(huì)簡(jiǎn)單許多。“我們的仿生手可以根據(jù)物體形狀變形，因此它可以不借助算法就抓取任意物品。“康奈爾大學(xué)專家 Shepherd 說道。
康奈爾大學(xué)的仿生手并非業(yè)界獨(dú)一無二的產(chǎn)品，Bebonic 和 Open Bionics 公司也已經(jīng)有完成度非常高的靈巧機(jī)械手了，不過它們依舊需要人類來操作，只有連接上殘疾人斷肢的上部，才能采集到精確的電信號(hào)。此外，打造這些機(jī)械手花費(fèi)巨大，一般人根本負(fù)擔(dān)不起。下一步，Open Bionics 的目標(biāo)是將自家的機(jī)械手產(chǎn)品售價(jià)降至 3000 美元左右。
Shepherd 非常看好自家的硅膠仿生手，一旦大規(guī)模量產(chǎn)，其成本只要 50 美元左右。不過，康奈爾大學(xué)的真正的殺手锏還是在傳感器上，它們非常精確而且量產(chǎn)起來相當(dāng)簡(jiǎn)單。
康奈爾大學(xué)在仿生手的每個(gè)手指中都植入了三根聚氨酯管，研發(fā)人員將其稱為光導(dǎo)管，它們可以像光纖電纜一樣工作。每根光導(dǎo)管兩頭分別安裝了 LED 等和光電探測(cè)器，穿過光導(dǎo)管的光會(huì)隨著手指的彎曲逐漸變暗。隨后，只需將廣電探測(cè)器讀取的數(shù)據(jù)進(jìn)行整合，機(jī)器人就能獲取每根手指的位置和它與物體接觸的程度。由于可以感知外部壓力，未來手指還能擁有痛感。
想要擁有人手一樣的敏捷度，機(jī)器人還有許多機(jī)械和計(jì)算問題需要克服。“人手非常復(fù)雜，它們是細(xì)胞級(jí)的精準(zhǔn)進(jìn)化產(chǎn)物，我們現(xiàn)在的工作只是低水平的模仿而已。未來，康奈爾大學(xué)仿生手上的傳感器可能會(huì)從 3 個(gè)增加到 100 個(gè)，但要想實(shí)現(xiàn)能與人手匹敵的神經(jīng)密度，我們需要數(shù)千個(gè)傳感器。”Shepherd 說道。
需要注意的是，僅僅增加傳感器并不能完美的解決仿生手的敏捷度問題。“在傳感器數(shù)據(jù)的處理問題上，我們推進(jìn)的很慢。”Goldberg 說道。“所以，光有傳感器可不夠，與其搭配的算法必須得跟上。而且說實(shí)話，我們與理想中的要求還差的很遠(yuǎn)。”對(duì)于被家務(wù)困擾的家庭主婦來說，這是個(gè)壞消息，但它卻保住了許多靠力氣吃飯人的飯碗。
Via. FastCompany
