据 DeepTech深科技报道，近日，加州大学伯克利分校研发了一款高灵活性的工业机器人，可以在仓库、工厂、医院、家庭场景中找到用武之地。
这款机器人由该校教授肯·戈德伯格和他的一名研究生研发，它拥有多项技能，比如对你的抽屉进行分类整理，速度和技巧惊人。它基于名为Dex-Net的软件拾取物体，该软件可在虚拟环境中拾取物体，通过反复试错来训练深度神经网络。
该系统的最新版本包括一个高分辨率3-D传感器和两只机械手臂，每只手臂都由不同的神经网络控制。一只手臂配备了传统的机器人手爪，另一只手臂带有吸气系统。机器人通过软件扫描一个物体，然后查看两个神经网络，以实时决定特定物体是该被抓取还是吸取。如果不确定应该如何抓住一个物品，机器人会推动这件物品以便更好地观察它。
该项目的研究人员还开发出了一种衡量机器人抓取性能的方法：一种被称为“每小时平均抓取数”的度量标准。这项指标将帮助实验室更好地分享他们的成果。
戈德伯格表示，在五年内，他预计该机器人每小时的效率将“达到甚至超越人类的平均水平。”
据 DeepTech深科技报道，近日，加州大学伯克利分校研发了一款高灵活性的工业机器人，可以在仓库、工厂、医院、家庭场景中找到用武之地。
这款机器人由该校教授肯·戈德伯格和他的一名研究生研发，它拥有多项技能，比如对你的抽屉进行分类整理，速度和技巧惊人。它基于名为Dex-Net的软件拾取物体，该软件可在虚拟环境中拾取物体，通过反复试错来训练深度神经网络。
该系统的最新版本包括一个高分辨率3-D传感器和两只机械手臂，每只手臂都由不同的神经网络控制。一只手臂配备了传统的机器人手爪，另一只手臂带有吸气系统。机器人通过软件扫描一个物体，然后查看两个神经网络，以实时决定特定物体是该被抓取还是吸取。如果不确定应该如何抓住一个物品，机器人会推动这件物品以便更好地观察它。
该项目的研究人员还开发出了一种衡量机器人抓取性能的方法：一种被称为“每小时平均抓取数”的度量标准。这项指标将帮助实验室更好地分享他们的成果。
戈德伯格表示，在五年内，他预计该机器人每小时的效率将“达到甚至超越人类的平均水平。”
