機(jī)器人早已在工業(yè)流水線尤其是制造業(yè)上得到了廣泛的應(yīng)用，比如手機(jī)制造、汽車組裝等。在最初的應(yīng)用中，機(jī)器人的設(shè)計被固定在某一項任務(wù)當(dāng)中，打眼就是打眼，安螺絲就是安螺絲。在這個時期，工業(yè)機(jī)器人實質(zhì)上是替代了簡單的組裝工作，并且只適應(yīng)設(shè)計好的特定環(huán)節(jié)，基本沒有任何延展性。
　　而在人工智能時代，加入了機(jī)器視覺之后，機(jī)器人的應(yīng)用范圍逐漸一下子被擴(kuò)大了許多。更多的行業(yè)被涉足并發(fā)生了質(zhì)的革新，比如物流的智能分揀。

　　目前來說，對機(jī)器人進(jìn)行視覺訓(xùn)練，應(yīng)用在工業(yè)當(dāng)中的基本任務(wù)就是：認(rèn)識某物。也就是說，通過對機(jī)器的訓(xùn)練，使其能夠分辨出哪一樣是自己的工作對象。而這也是機(jī)器視覺學(xué)習(xí)的最簡單而有效的應(yīng)用。
　　但工業(yè)應(yīng)用場景并不僅僅只有識別。比如對倉儲物品的抓取和分類，或者很多并不是固定物品的應(yīng)用場景，這就會導(dǎo)致機(jī)器既有的學(xué)習(xí)內(nèi)容用不上。那么，不認(rèn)識這個東西，機(jī)器就不知道該如何處理，在做一些抓取搬運工作的時候就難免會出岔子。
　　從這個角度上來說，以后對工業(yè)機(jī)器人的要求，將不滿足于局限于既有的學(xué)習(xí)內(nèi)容，同樣還要有自主的學(xué)習(xí)能力。也就是說，在機(jī)器人碰到陌生的物體的時候，能夠自主地判斷該怎么去處理。
AI繪制三維圖形，判斷最佳抓取姿勢
　　有人覺得，培養(yǎng)機(jī)器人的遷移學(xué)習(xí)能力不就好了嗎？比如記住一些物體的具體特征，人工智能既然能分辨出什么是人、什么是大猩猩、什么是貓狗，那么只要訓(xùn)練到位，機(jī)器人同樣也能對其他陌生的物體做出分辨。
　　但很可惜這樣想可能有點不切實際。比如讓機(jī)器人去把倉庫里亂七八糟的東西給歸置整齊了，里面可能有大電視機(jī)，也可能有小面包機(jī)，它怎么分類？它該怎么拿？所以，很顯然用認(rèn)識同一類物體的方法是不適用于這樣的場景當(dāng)中的。
　　那么，為了讓機(jī)器人什么都能拿，麻省理工的研究人員們動了點心思。

　　研究人員設(shè)計了這樣一個系統(tǒng)：面對自己不熟悉的物體，機(jī)器人能夠快速地對其進(jìn)行估算，然后做出最適合的抓取和細(xì)節(jié)處理決策。該系統(tǒng)被稱為DON(Dense Object Nets，密集物體聯(lián)網(wǎng)），通過神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)，機(jī)器人可以產(chǎn)生一個視覺路線圖，對物體進(jìn)行一個約莫20分鐘的視覺檢查。
　　在此基礎(chǔ)上，機(jī)器人會從多個角度來確定物體的點，然后把所有的點形成一個整體坐標(biāo)系統(tǒng)。把這些點聯(lián)系到一起之后，就可以繪制出物體的三維立體圖。值得注意的是，在繪制三維立體圖的過程中，機(jī)器完全不需要人的干預(yù)，因此這種學(xué)習(xí)方式又被稱為自我監(jiān)督式學(xué)習(xí)。
　　這樣的學(xué)習(xí)過程其實是和人類有很大的相似之處。我們看到暖瓶知道要握把才能提起，該系統(tǒng)的目的也是訓(xùn)練機(jī)器人的這種能力。只不過在目前的實驗中，三維立體圖形繪制出來之后，還需要研究人員在電腦上給出指定的位置，以告訴機(jī)器人從哪里下手。
在實驗中，機(jī)器人成功抓起了一只鞋子和杯子。

　　其實對機(jī)器人進(jìn)行不同環(huán)境、物體的抓取訓(xùn)練思路，麻省理工并不是第一個。2016國內(nèi)一家科技公司就研發(fā)出了首套基于3D視覺定位系統(tǒng)的機(jī)器人，可以達(dá)到每秒1200萬點的快速掃描，從而建立一個物體的3D模型。再經(jīng)過一系列的智能分析，可以判斷出物體當(dāng)時的擺放姿態(tài)，從而完成一套抓取動作。
　　可以預(yù)見的是，今后也將有越來越多的關(guān)于基于3D立體判斷的工業(yè)機(jī)器人解決方案出現(xiàn)。讓機(jī)器人從簡單的識別固定唯一的物體到自如地適應(yīng)不同物體抓取，也將成為工業(yè)機(jī)器人領(lǐng)域中不可忽視的重要技術(shù)。

抓得穩(wěn)又抓得準(zhǔn)，人類的雙手該歇歇了
　　目前來說，該技術(shù)的最大問題在于建模所需的時間還比較長，遠(yuǎn)遠(yuǎn)無法滿足即時的工業(yè)應(yīng)用需求。
　　上文介紹的麻省理工的研究，其要實現(xiàn)對物體的三維圖像描繪需要大概二十分鐘的時間。但在做個搬運工的時候，比如說清理房間，很可能會遇到非常多的不認(rèn)識的物品。對這種機(jī)器人來說，每個物品都需要重新認(rèn)識一遍。認(rèn)識一個花二十分鐘，搬運一下一分鐘，那得了，整個時間就都消耗在這上面了。

　　而工業(yè)最講究的就是效率，如果能通過提升芯片計算速度、優(yōu)化算法的方法令機(jī)器人快速建模并實現(xiàn)實時自主抓取，無疑是最成熟。當(dāng)然，這對機(jī)器而言存在的困難還是很大。畢竟人類的神經(jīng)元有1000億個，其形成的人類大腦反應(yīng)恐怕機(jī)器在很長的一段時間內(nèi)都很難企及。
　　如果機(jī)器人能實現(xiàn)抓取的即時反應(yīng)、利用視覺判斷物體材料和表面光滑度控制好抓取力度等，其在無論是工業(yè)場景、消費場景還是其他場景等都將充滿廣闊的想象力。
　　搬家機(jī)器人。以前搬家，打幾個包袱弄輛推車，找?guī)讉€鄰居幫忙就可以搞定。而現(xiàn)在隨著家居用品的日益增加，搬家成為了一件巨麻煩的事情。很多人都會叫搬家公司來幫忙。實質(zhì)上這就是在購買勞動。搬家貴，主要就是人力成本太高。當(dāng)機(jī)器人搬運東西的時候可以做到舉重若輕，搬家工人或許將逐漸被取代。干活快、不發(fā)牢騷、不用發(fā)工資、購買一次可以長期重復(fù)使用，對搬家公司而言，利用搬家機(jī)器人可謂一勞永逸。成本降低之后，相應(yīng)地搬家公司的收益會提高，而分?jǐn)偟较M者身上的成本也會大大降低。
　　優(yōu)化機(jī)器人無序抓取。在工業(yè)場景下，尤其是物流領(lǐng)域，很多物品的擺放都是散亂而無序的。傳統(tǒng)的機(jī)器人只是分揀符合自身程序設(shè)定標(biāo)準(zhǔn)的物件，最終仍然需要人工來對這些貨物進(jìn)行碼垛等操作。當(dāng)機(jī)器人可以實現(xiàn)對物品的三維掃描繪制，就可以將抓取過程更加智能化，以前由兩個機(jī)器人做的事情現(xiàn)在一個就可以完成；以前由人工操作的碼垛任務(wù)，最終也可以由機(jī)器完成。減少機(jī)器人配置和節(jié)省人力這兩方面，都將會得到優(yōu)化。
　　清理事故現(xiàn)場和救災(zāi)。嚴(yán)重的交通事故、工廠的意外爆炸、自然災(zāi)害或者其他會產(chǎn)生大量分解物體的事故現(xiàn)場，清理是一件非常麻煩的事情。尤其是在一些危險隱患尚未解除的時候，靈巧的機(jī)器人雙手可以代替人類作許多事情。而在地震等自然災(zāi)害之后，機(jī)器人可以代替人類深入現(xiàn)場做一些危險情況排除工作，甚至可以直接參與救人行動。

　　機(jī)器人抓取一直都是機(jī)器人研究領(lǐng)域的一個熱點問題，這也正從一個側(cè)面了解決這個問題對整個機(jī)器人技術(shù)革新的重要意義。當(dāng)機(jī)器人在未來擁有了一雙和人類一樣靈巧的雙手的時候，可能也就意味著，人類的雙手將在更多的場景中得到徹底的解放。
　　而DON看起來，則很可能成為將在這場解放運動中發(fā)揮重要作用。