上面的機械人或許看起來其貌不揚，然則依據新的測試辦法，它是今朝最靈活的機械，具有多項技巧，好比對你的渣滓抽屜停止分類整頓，速度和技能驚人。

　　這類靈活性的癥結不在于它的機械抓手，而在于它的年夜腦。該機械人基于名為Dex-Net的軟件拾取物體，即便物體異常奇異，其肯定效力也異常高，使人難以相信。

　　這臺新機械人由加州年夜學伯克利分校傳授Ken Goldberg和他的一位研討生Jeff Mahler建造。 Goldberg專注于人工智能，他在由麻省理工科技評論組織的舊金山EmTech Digital博覽會上展現了機械人的最新版本。

　　Goldberg的機械人比之前開辟的任何器械都更接近于人類的闇練水平。而具有高靈巧性的工業機械人可以在倉庫、工場、病院、家庭場景中找到用武之地。

　　Dex-Net特殊聰慧的一點是它進修抓取的才能。該軟件測驗考試在虛擬情況中拾取物品，經由過程重復試錯來練習深度神經收集。即便在模仿中，這也是一項艱難的義務。但更主要的是，Dex-Net可以將它從之前看到的一個物品推行到新的物品。假如不肯定應當若何捉住一個物品，機械人乃至會推進這件物品以更好地不雅察它。

　　該體系的最新版本包含一個高分辯率3-D傳感器和兩個手臂，每一個手臂都由分歧的神經收集掌握。一只手臂裝備了傳統的機械人手爪，另外一只手臂帶有吸氣體系。機械人的軟件掃描一個物體，然后檢查兩個神經收集，以及時決議特定物體是該抓取照樣汲取。

　　加州年夜學伯克利分校的研討人員還開辟出了一種更好的辦法來權衡一個抓取機械人的機能：一種稱為“每小時均勻抓取數”的器量尺度，它是經由過程將每次抓取的均勻時光與一組分歧對象的均勻勝利幾率相乘而盤算出來的。

　　新的目標將贊助機械人的研討試驗室分享他們的結果。 “我們一向在議論若何尺度化成果，以便不雅察提高，”Goldberg說， “這一切都取決于你所應用的機械人，你所應用的傳感器，和異常主要的是，你的機械人所抓取的是甚么物體。”

　　人類每小時可以或許拾取400至600個物品。在比來由亞馬遜組織的競賽中，最好的機械人可以或許做到70到95之間。Goldberg說，新機械每小時可以到達均勻200到300個。這項結果將在本年晚些時刻在澳年夜利亞的一次會議上展現。

　　在演講中Goldberg彌補說，在五年內，他估計機械人每小時的效力將“到達乃至跨越人類的均勻程度”。

　　抓取和把持奇怪和生疏的物體是機械人技巧的一個根本挑釁。例如，在汽車工場的機械人疾速而準確，但沒法順應變更或生疏的情況。除工場或倉庫任務以外，具有更龐雜的操作才能的機械人要”“有效"，比來的選項或許是贊助病院、老年護理機構的人們。

　　比來的機械人技巧停頓是幾項技巧同時成長的成果。更小、更平安的機械人愈來愈多，新的端部夾取機械人曾經涌現，更主要的是，機械進修方面獲得的嚴重停頓。

　　除Goldberg在其他幾個學術試驗室的任務和研討以外，DeepMind和OpenAI等研討人員曾經開端摸索機械進修若何可以或許使機械人變得加倍智能和更具順應性。機械人技巧的提高極可能反應到人工智能的其他范疇，例如感知。

　　“機械進修對機械人技巧發生了史無前例的影響，”曾看過UC Berkeley機械人演示的MIT傳授Russ Tedrake說。“讓機械人運用到我們機械人技巧的年夜數據中，這有著使人難以相信的價值。”