资讯 机器人
此为临时链接,仅用于文章预览,将在时失效

AlphaGo 都打的人类无还手之力了,为什么让机器人抓取个物品还那么难?

作者:大壮旅
2017/01/16 18:35

AlphaGo 都打的人类无还手之力了,为什么让机器人抓取个物品还那么难?

加州伯克利机器人教授 Ken Goldberg 愁容满面,他不断摩挲着手中的咖啡杯,嘴里还念念有词的说道:“让机器人掌握这类数据怎么这么难啊。”

如今,人工智能已经可以轻松处理复杂的认知工作如协助法律和医疗研究,但对机器人来说,捡起地上掉落的衣服依然是天方夜谭。伯克利、康奈尔等大学和亚马逊、丰田等公司都在不断努力,试图让机械手拥有人手一样的敏捷度。

如果某一天有人能取得成功,无疑将引发新一轮的机器人革命,这些灵巧的机器将进一步释放社会生产力。

诚然,机器进入我们生活已经几个世纪了,但它们能做的工作较为有限。“它们都被安置在固定地点,重复的做着各种机械的任务。”Goldberg 说道。不过,一旦出了工厂,在一些非结构化的环境中,如乱糟糟的房间和繁忙的仓库,机器就会变得束手无策。

AlphaGo 都打的人类无还手之力了,为什么让机器人抓取个物品还那么难?

抓住窍门

“抓取某个物体听起来简单,人类甚至不用思考就能轻松完成,但对于机器人来说这一动作却非常微妙且难以捉摸。”Goldberg 说道。但如果仔细推敲,这一过程其实要依靠我们大脑中非常复杂的网络来完成。就拿端起马克杯来说,人类大脑会自动计算出怎样握持杯子最稳,它连每个指头该放的地方都规定的清清楚楚。

人类通过进化,大脑已经有了自己高度定制的处理惯例。“虽然桌子上放的钢笔我从来没见过,但我知道自己能轻松把它拿起来。”Goldberg 说道。“在拿取钢笔的过程中,大脑重拾此前类似的体验,并将处理方法回传给双手。”现在,Goldberg 正与自己的学生教机器人学习这个小窍门。为此他们专门搭建了一个名为 Dexterity Network(敏捷网络)的网络数据库,这里存了约一万个 3D 虚拟物品,未来数据库存放虚拟物品的规模可能还会逐步扩展至百万级。

去年 9 月份我参观 Goldberg 的实验室时,他在我面前摆了许多奇形怪状的 3D 打印模型。Goldberg 让我试着拿起其中一个,但我发现这些东西根本没有可以握住的把手,于是第一次某个模型从我手中滑落了。Goldberg 称这种形状为敌对形状,他认为如果自家数据库能搞定这些形状的物体,机器手敏捷度就能比人手还棒。

为此,Dex-Net 数据库专门开发了一个算法,对数据库中的每个虚拟物体,都会尝试通过 1000 种不同的方式抓取 1000 次。三个月后,我再次造访实验室,在这里我见到了 Goldberg 的得意门生 Jeff Mahler,他现在负责运营数据库,而且已经完成了工业机器人 YuMi 与数据库的连接。“工业机器人擅长做重复工作,但在环境不断变换的情况下,机器人需要不断适应自己感受到的新环境,这是个巨大的挑战。”Goldberg 说道。

借助 Alexa,Mahler 让机器人把那些奇怪的 3D 打印模型放在盒子里。机械手触碰到那个给了我下马威的物品后,也手滑了。不过,错误也能产生新经验,如果能弄上百台一起测试的话,就能找到抓取这个物品的窍门,一台机器人学会了,联网的所有机器人就都学会了。

亚马逊在机器人研发上也有自己的一套。2015 年,电商巨头推出了亚马逊机器人竞赛项目,获胜的机器人未来可能会进入装运中心服役,彻底替代人类工人。2016 年,该比赛的获胜者是来自荷兰的代尔夫特大学,他们的机器人从大包中取出了 12 件货物并分别将它们放在了不同的箱子中。在抓取表面平滑的货物时,机器人用到了吸盘,其他的则采用机器爪。整个过程虽然很精确,但速度实在太慢了。

伯克利大学还没参与到亚马逊的竞赛中来,不过今年它们将参加历史悠久的家政机器人大赛。在比赛中,机器人要完成吸尘、送饭或打扫房间的任务。不过,参赛机器人限制较多,各家团队只能用丰田的人类支援机器人或软银可爱的小辣椒 Pepper。

那么家政机器人吸引力到底如何呢?“如果花 2000 美元就能让家里整洁如新,我会毫不犹豫买一台的。”Goldberg 预测道。此类机器人不但能对付乱扔东西的熊孩子,还能帮助残疾人或老人做家务,未来它们可能还会承担外出购物的任务。

雷锋网注意到,一家名为 Seven Dreamers 的公司已经做出了叠衣机器人 Laundroid,经过多年研发,这款产品今年 3 月就将正式上市,不过它动作非常缓慢,而且只会做叠衣服一个动作。

AlphaGo 都打的人类无还手之力了,为什么让机器人抓取个物品还那么难?康奈尔大学的光导管

给机器人一双灵巧的手

回看 1973 年的原版《西部世界》电影中,机器人只安装了略显畸形的手。不过,即使几十年过后,现在的机器人也没什么进步。 Goldberg 自家实验室研发的 YuMi 机器人有两根刚性手指,它们像大白鲨一样可以开开合合。如果它们能用上完整的手,抓起物品来肯定会轻松得多。

不过,眼下 Goldberg 团队的主要任务还是对现有工业机器人进行改进,要打造未来机器人灵巧的双手,用到的方法可完全不同。

在这方面,康奈尔有机机器人实验室拥有一定的领先优势,它们的机器人像人一样拥有 5 根指头,这五根指头还是硅胶打造,而非生硬的金属。“简单来说,每根指头就像一个气球,而驱动它们的则是压缩空气,其原理与我们常见的彩弹枪类似。这种人造手指的底部几乎不能动弹,但充入空气后,其顶部可向内弯曲模拟人类手部动作。”

从理论上来讲,你甚至可以顺利的和康奈尔大学的机器人握手,未来这项技术可用来打造仿生手。

有了柔软的手指,抓取物品的过程就会简单许多。“我们的仿生手可以根据物体形状变形,因此它可以不借助算法就抓取任意物品。“康奈尔大学专家 Shepherd 说道。

康奈尔大学的仿生手并非业界独一无二的产品,Bebonic 和 Open Bionics 公司也已经有完成度非常高的灵巧机械手了,不过它们依旧需要人类来操作,只有连接上残疾人断肢的上部,才能采集到精确的电信号。此外,打造这些机械手花费巨大,一般人根本负担不起。下一步,Open Bionics 的目标是将自家的机械手产品售价降至 3000 美元左右。

Shepherd 非常看好自家的硅胶仿生手,一旦大规模量产,其成本只要 50 美元左右。不过,康奈尔大学的真正的杀手锏还是在传感器上,它们非常精确而且量产起来相当简单。

康奈尔大学在仿生手的每个手指中都植入了三根聚氨酯管,研发人员将其称为光导管,它们可以像光纤电缆一样工作。每根光导管两头分别安装了 LED 等和光电探测器,穿过光导管的光会随着手指的弯曲逐渐变暗。随后,只需将广电探测器读取的数据进行整合,机器人就能获取每根手指的位置和它与物体接触的程度。由于可以感知外部压力,未来手指还能拥有痛感。

AlphaGo 都打的人类无还手之力了,为什么让机器人抓取个物品还那么难?

长路漫漫

想要拥有人手一样的敏捷度,机器人还有许多机械和计算问题需要克服。“人手非常复杂,它们是细胞级的精准进化产物,我们现在的工作只是低水平的模仿而已。未来,康奈尔大学仿生手上的传感器可能会从 3 个增加到 100 个,但要想实现能与人手匹敌的神经密度,我们需要数千个传感器。”Shepherd 说道。

需要注意的是,仅仅增加传感器并不能完美的解决仿生手的敏捷度问题。“在传感器数据的处理问题上,我们推进的很慢。”Goldberg 说道。“所以,光有传感器可不够,与其搭配的算法必须得跟上。而且说实话,我们与理想中的要求还差的很远。”对于被家务困扰的家庭主妇来说,这是个坏消息,但它却保住了许多靠力气吃饭人的饭碗。

Via. FastCompany

长按图片保存图片,分享给好友或朋友圈

AlphaGo 都打的人类无还手之力了,为什么让机器人抓取个物品还那么难?

扫码查看文章

正在生成分享图...

取消
相关文章