靈活的機器人手臂與手指一直是機器人產業發展中的難題之一，而近日美國加利福尼亞大學伯克利分銷的實驗室人員成功的研發出了有史以來最為靈活的機器人手，如若未來有望投入應用的話，將為機器人產業帶來新的發展良機。

一個多手指機器人在模擬環境中通過操控虛擬對象實現抓握，機器學習、云服務徹底改變傳統手工勞動的時代距離我們不遠了。在美國加利福尼亞大學伯克利分校的一個實驗室里，一個普通的機器人正在挑選一些形狀怪異的物體。令人驚嘆的是，機器人是通過虛擬對象來實現操作的。

該機器人掌握了大量有關三維圖形及其抓握技巧的數據，能判斷如何使用不同的抓握力度抓起不同的物品。伯克利的研究人員把圖片傳送到機器人的深度學習系統，它連接著機器人的手臂和3D傳感器。當一個新物體被放在機器人面前時，它的深度學習系統能快速幫它匹配得到適合的圖形和抓握技巧，并指揮手臂該如何操作。

據悉，這款機器人的抓握性能堪稱史上最佳。在測試中，當機器人判斷物體的抓握成功率高于50%時，它總能成功提起物體，雖然會有一些搖晃，但物體掉落的概率只有2%。如果機器人判斷該物體難以抓握，它會撥動使之適合抓取，調整角度后的抓握成功率高達99%。

當前的機器人手臂大多只能抓取“熟悉”的物體，且研究人員往往需要為它提供大量練習，這個過程是非常耗時的。伯克利的新發明展示了一種新方法：把深度學習和云服務用于機器人抓握。這個創新避免了大量訓練，同時提高了機器人在工廠和倉庫中的適用性。通過深度學習，機器人甚至能在一些新的應用領域工作，如醫院、家庭。

伯克利大學教授Ken Goldberg表示，不同于傳統機器人需要進行長達幾個月的物理實驗，這款機器人不需要實地練習，它能在模擬環境中學習數據集中包含的三維圖形、視覺外觀和抓握技巧，“培訓”時間僅需1天。

據悉，該研究的相關論文將于今年7月發表，屆時Ken Goldberg教授和其他研究人員將公布機器人使用的三維數據集，幫助推動計算機視覺技術發展。

目前機器視覺技術尚處于萌芽期，學界極度缺乏相關數據，系統的數據集也亟待建立。深度學習、控制算法和新材料的進步不進有利于構建新型物理機器人，還將開啟“機器換人”的新紀元，帶來重大的經濟影響。雖然幾十年前機器人就已出現在各類倉庫和生產線，如亞馬遜的kiva機器人，但當前大多數機器人只能搬運物品，機器人的分揀技術還相當笨拙。

美國麻省理工的一個實驗室也在做相關實驗，伯克利的成果讓他們印象深刻。一家德國企業已與伯克利取得聯系，希望能實現該項技術的商業化。

靈巧的雙手對人類智力的發展至關重要，在長期的演變過程中，人類形成了一個良性反饋循環，視覺變得更敏銳，腦力得到了大大增強。“抓握”雖然簡單，但它必將在人造智能的演變中發揮作用。