新聞】對物理定律有直觀理解的機器人，聽起來像是來自小說里，但機器人部門的科學家們表示，他們實際上已經創(chuàng)造出了這種機器人。他們認為，通過這種做法可以為未來的機器人打下潛在的基礎，這些機器人能夠學習投擲、滑動、旋轉、揮桿、接球和其它運動技能，而這些看起來難度不大的技能，在目前，即使是能力最強的機器人也難以完成。

“盡管已經取得了相當大的進展，使機器人能夠有效地把握對象，并從視覺上自我適應，甚至從實際經驗中學習，但機器人在操作時仍然需要仔細考慮他們如何接住物體、處理物體，特別是在非結構化環(huán)境中,“谷歌研究員andy zeng在博客中寫道：“機器人能不能學會主動地使用它們，從而開發(fā)出一種能讓它們更有效地完成任務的‘直覺’？”

為了回答這個問題，zeng研究員和他的同事們與普林斯頓大學、哥倫比亞大學和麻省理工學院的研究人員合作，開發(fā)了一種名為tossbot的拾取機器人，這種機器人可以學習抓取物體，并把它們扔進盒子里。它不僅比以前的模型快兩倍，而且達到了兩倍的有效投擲范圍，甚至還可以通過自我訓練來提高能力。

拾取機器人

可預測性的投擲并不容易，即使對人類來說也是如此。抓地力、姿態(tài)、質量、空氣阻力、摩擦力、空氣動力學以及無數其它影響物體軌跡的變量都會對投擲產生影響。

而tossingbot使用端到端神經網絡，數學函數模仿生物神經元，來訓練對視覺和深度數據預測調整的估計。zeng 說：“這種混合方法使機器人的投擲準確率達到85%?！?/p>

研究員zeng說：“tossingbot可能會更多地依靠幾何線索來學習抓握和投擲?！边@些新出現的特征都是從無到有，在任務級的抓握和投擲之外，并沒有任何明確的監(jiān)督規(guī)則。

研究人員承認，tossingbot還沒有經過脆弱物體的測試，因為它使用嚴格的視覺數據作為輸入，這可能阻礙了它在測試中，對新物體做出反應的能力。但他們表示，物理學和深度學習相結合的基本理念是未來工作的一個方向。