谷歌做了個(gè)機器人，扔東西比人準多了

看到地上的東西撿起來(lái)，再把它扔進(jìn)箱子里，這樣簡(jiǎn)單的動(dòng)作想必連三四歲的小孩也能很快掌握?？赡阒绬?，對于機器人來(lái)說(shuō)，為了達到如此完整而連貫的動(dòng)作，科學(xué)家們耗費了數十年的時(shí)間，至今仍在繼續努力。

最近，由 Google AI 團隊、哥倫比亞大學(xué)、麻省理工學(xué)院、普林斯頓大學(xué)研究人員聯(lián)手宣布制作出了一臺投擲機器人 TossingBot，它嘗試再現的就是前面說(shuō)到的如此「簡(jiǎn)單」的動(dòng)作，它究竟有哪些特別的地方，今天極客之選（公眾號 GeekChoice）就來(lái)給大家介紹一下。

機器人能拾取物體現在看來(lái)并不稀奇，在工業(yè)機器人領(lǐng)域，很多工廠(chǎng)的自動(dòng)化操作都由能拾取物體的機器人來(lái)完成，一些動(dòng)作精巧的機器人甚至能夠為你打開(kāi)瓶子，舉杯倒酒，也許你也曾在抖音、微博這樣的平臺看到過(guò)它們。

抓取+放置并不罕見(jiàn)，但要說(shuō)抓取+拋擲的動(dòng)作，對于機器人來(lái)說(shuō)難度就大得多。原因很好理解，和抓取東西并放置這種穩妥的動(dòng)作不同，抓取物體然后以?huà)佄锞€(xiàn)的方式扔出需要提前做出預測，人的大腦往往會(huì )對不同物體做出提前感知，通過(guò)不同的力度、拋擲角度來(lái)達到把物體扔進(jìn)指定位置的目標，但這種「物理直覺(jué)」對于機器人來(lái)說(shuō)卻很難。

為了訓練這種全新的動(dòng)作形式，谷歌以及眾多大學(xué)科學(xué)家一起，嘗試讓 TossingBot 通過(guò)自我監督機制不斷調整自身抓取、投擲方式。TossingBot 本身配備了能夠感知環(huán)境的攝像頭，因此會(huì )確定物體和目標點(diǎn)之間的位置，而作為核心的拋擲動(dòng)作，則通過(guò)機器學(xué)習的方式進(jìn)行訓練。

TossingBot 是通過(guò)端到端神經(jīng)網(wǎng)絡(luò )聯(lián)合學(xué)習方式來(lái)掌握投擲技巧，這個(gè)神經(jīng)網(wǎng)絡(luò )會(huì )通過(guò)不斷抓取物體來(lái)估測在拋擲時(shí)的具體情況，從而不斷矯正拋擲精度，所以從起初只能偶爾投進(jìn)，到最后達到 85% 的投擲精準度，全程抓取訓練了 10000 次，耗時(shí)只用了 14 小時(shí)時(shí)間，相比人類(lèi)來(lái)說(shuō)效率高了不少。

當然，只讓它拋擲倒準確位置還不夠，科學(xué)家們還嘗試在物品欄中加入各種不規則物體，考慮到實(shí)際生活當中不規則物體很多，讓機器人掌握這種技巧自然會(huì )在未來(lái)更具使用價(jià)值。通過(guò)放置諸如假香蕉、乒乓球、馬克筆這樣的物品，TossingBot 逐漸掌握到這些物品的深層特征，由此判斷采用何種角度以及力度來(lái)拋擲物品。

通過(guò)加入不同環(huán)境和物品條件，TossingBot 才有了如今這樣比我們人類(lèi)還要準確的投擲率，這讓我想起了前一段時(shí)間極客之選曾介紹過(guò)的豐田開(kāi)發(fā)的投籃機器人，在拋擲得分這個(gè)環(huán)節，這兩個(gè)機器人似乎有著(zhù)異曲同工之處。

不過(guò)就目前來(lái)說(shuō)，TossingBot 依然有自己的缺陷，比如它不能像人一樣感知不同物體的軟硬程度，所以容易捏碎一些易碎品，科學(xué)家們也在嘗試讓其擁有更智能的物體識別和抓取，從而提升投擲精確度，但也許有一天，這種機器人會(huì )出現在垃圾分類(lèi)整理或者工廠(chǎng)生產(chǎn)車(chē)間也說(shuō)不定呢。