人工智能正在一步步走向強大。今天，麻省理工學院又公佈了一項新發明，讓科技更進一步。
麻省理工學院計算機科學與人工智能實驗室（CSAIL）的研究人員，發明了一種名為 DON 的“密集的視覺對象網”——讓機器人能學會獨立觀察、理解並操作它們從未見過的物體。
研究人員們計劃今年10月在瑞士的機器學習大會上展示他們的新發明。
DON試圖抓起一隻鞋子
核心研究人員 Lucas Manuelli 說：“目前的許多科技手法都無法識別物體的準確樣貌。例如，現有的算法無法操縱機器手柄來抓一個杯子。尤其是當杯子的形狀和擺放複雜時，更為艱難。”
DON 不是一個控制系統。相反，它是一種自我監督的深層神經網絡——一種模仿大腦神經元功能的分層算法——訓練機器人用精確座標的形式來描述物體。在訓練結束後，DON 能夠自主地挑選出參考框架。當一個類似的新物體出現時，DON 就可以將它們映射到一起，在三維空間中計算出物體的可視化形狀。
根據研究人員所說，不論是硬的物體（如帽子）還是軟的物體（如毛絨玩具），DON 都只需要20分鐘就可以完成學習。DON 可以識別各種各樣的物品，包括適度變形的物品以及質感非常輕薄的物品。
此外，DON 並不會分辨物體的顏色和紋理，這使得它在使用 RGB 或深度數據上更有優勢。因為只要一點輕微變形，顏色和紋理就會改變，不具備“可抓取”的特性。
“在工廠裡，機器人通常需要十分複雜的部件才可以工作，”Manuelli 說，“但是像 DON 這樣的系統就能省去這些複雜部件。只需拍一張照片，就能掌握和操縱物體。”
DON正在抓取一隻杯子
團隊認為 DON 可以應用在工業環境中，例如用作倉庫機器人。同時，團隊希望開發一個更有能力的版本，讓機器人可以對物體進行“更深入的理解”。
研究人員寫道：“我們認為，DON 是一種新穎的物體表現形式，可以衍生出使許多全新的機器人操作方法。”
在這個領域，國內也有很多公司在做類似的事，例如梅卡曼德、阿丘、庫柏特等等。這些公司都在瞄準工業智能化市場，為工業機器人賦予視覺與觸覺雙重感知能力。
閱讀更多 鳳凰機器人 的文章
