该机器人可以帮助您实现在线购物体验

想象一个瞬间就拥有指尖的吸盘-除非您当前正在使用致幻剂，否则这种情况下您不应该想到。每个吸盘都有不同的大小和柔韧性，使一个指尖非常适合粘在像纸板这样的平坦表面上，另一个更适合于像球这样的圆形物体，另一个更适合于更不规则的东西，例如花盆。单独地，每个数字可能会限制其可以处理的内容。但是在一起，他们可以作为一个团队来操纵一系列物体。

这是AmbiRobotics的想法，AmbiRobotics是一家实验室成长型的初创公司，如今已经从具有分拣机器人和运行此类操纵机器的操作系统的隐形模式中脱颖而出。该公司的创始人希望让机器人从事任何合理的机器都应该惊恐的工作：在仓库中捡起物品。对于人们来说，如此轻松的事情-抓住任何不太重的物体-实际上是机器人的噩梦。经过全球机器人实验室数十年的研究，这些机器仍然遥不可及。但也许他们需要的是指尖吸盘。

AmbiRobotics源自加州大学伯克利分校的一个名为Dex-Net的研究项目，该项目对机器人应如何抓紧普通物体进行建模。可以将其视为计算机科学家如何构建图像识别AI的机器人版本。为了训练机器识别例如猫，研究人员必须首先建立一个包含大量猫科动物图像的数据库。在每种情况下，他们都会在猫周围画一个盒子来教神经网络：看，这是只猫。一旦网络解析了大量示例，它便可以“概括”，自动以从未见过的新图像识别出一只猫。

Dex-Net的工作方式相同，但适用于机器人抓取器。科学家在一个模拟的空间中工作，创建了各种物体的3D模型，然后计算出机器人应该触摸每个物体的位置以获得“鲁棒”的抓地力。例如，在一个球上，您希望机器人抓住赤道，而不要捏一根杆。这听起来很明显，但是机器人需要从头开始学习这些东西。“在我们的案例中，示例不是图像，而是实际上具有牢固抓点的3D对象，”伯克利机器人专家KenGoldberg说，他开发了Dex-Net并与他人共同创建了AmbiRobotics。“然后，当我们将其输入到网络中时，它具有类似的效果，即开始将其推广到新对象。”即使机器人以前从未见过某个特定物体，也可以通过其他银河系对其进行训练对象来计算如何最好地掌握它。

考虑一下您在小学美术课上制作的奇形怪状的陶瓷咖啡杯。您可能选择了以荒谬的方式对其进行塑形，但是您很可能还记得给过它一个手柄。当您将其交给父母时，他们假装喜欢它，他们就抓住了把手-他们已经看到了他们在专业制造的咖啡杯中应得的份额，因此他们已经知道如何握住它。AmbiRobotics的机器人操作系统AmbiOS与以前的经验相当，仅适用于机器人。

“作为人类，我们能够真正推断出如何处理该物体，尽管它与以往制造的任何杯子都不一样，”AmbiRobotics的联合创始人斯蒂芬·麦金莱说。“系统可以推断出该对象的其余部分是什么样子，以知道如果您拿起那一部分，则可以合理地认为这是一个不错的把握。”