相互学习效率高 Google 让 14 台机器人手臂相互学习

本篇文章659字，读完约2分钟

编者按:alex brokaw，本文作者。

谷歌研究人员正试图让机器人像人类一样了解世界，这意味着机器人需要大量的实践。研究员谢尔盖·莱文和他的团队用14个相互连接的机器人手臂进行了实验。研究人员使用卷积神经网络让这些机器人学习如何抓取小物体，如杯子、磁带架和柠檬绿玩具海豚。

经过一年的训练，手臂现在可以自己抓取和拾起小物体，但是不同的机器很难学会相同的任务。机器人手臂的编程信息通常用于识别物体，并根据预定的程序做出反应，这种程序不能像人类一样根据周围的环境而改变。对于发生在机器已经学会如何掌握的可预测地点和对象的任务，这是一个好方法。但是机器人能抓取除了训练以外从未见过的物体吗？

为了探索这一点，研究人员将机器人手臂随机放入装满物体的盒子中，让它们凭运气随机抓取物体。一天后，研究人员收集了机器人试图抓取物体的数据，然后用这些数据训练神经网络，使得抓取物体的结果更加理想。经过800，000次抓取动作后，机械臂可以自动纠正自己的动作。很快他们就能更平稳地抓取物体，甚至采取一些策略，比如推开一个物体去抓取另一个物体，或者抓取软物体而不是硬物体。

对于所有这些手臂的运动，还没有研究人员编写一个系统来告诉他们如何抓取物体。利用反馈回路，他们可以将抓取物体的失败率降低到18%。这些研究人员打算将他们的研究扩展到更广泛的领域，然后在实验室之外的许多其他真实环境中尝试。

这篇文章是从:theverge。如果转载，请注明出处

“读完这篇文章还不够吗？如果你也开始创业，希望你的项目被报道，请点击这里告诉我们！”