美國(guó)卡內(nèi)基梅隆大學(xué)（CMU）的計(jì)算機(jī)團(tuán)隊(duì)讓Baxter機(jī)器人通過觸覺反饋和試錯(cuò)來學(xué)習(xí)，力求打造觸覺、視覺結(jié)合處理和自主學(xué)習(xí)的新一代智能工業(yè)機(jī)器人。

        眾所周知，在人工智能領(lǐng)域，要想實(shí)現(xiàn)對(duì)目標(biāo)的識(shí)別、跟蹤和測(cè)量，其中一項(xiàng)非常核心的技術(shù)就是計(jì)算機(jī)視覺。目前，國(guó)內(nèi)外有許多家公司和實(shí)驗(yàn)室就在結(jié)合深度學(xué)習(xí)和計(jì)算機(jī)視覺來進(jìn)行深度研究與改進(jìn)，提高機(jī)器動(dòng)作的精度和強(qiáng)度。但是也正如行業(yè)內(nèi)大家所熟知的，無法結(jié)合機(jī)器的觸覺是機(jī)器人發(fā)展的一大制約。


        卡內(nèi)基梅隆大學(xué)（Carnegie Mellon University），簡(jiǎn)稱CMU，坐落在美國(guó)賓夕法尼亞州的匹茲堡(Pittsburgh)，研究型大學(xué)。該校擁有全美頂級(jí)計(jì)算機(jī)學(xué)院。


        該系統(tǒng)使用類似于Kinect的3D攝像機(jī)。 Baxter收集的視覺和觸覺信息被發(fā)送到一個(gè)深層神經(jīng)網(wǎng)絡(luò)，它與ImageNet中的圖像數(shù)據(jù)交叉輸入。加上觸摸過程的數(shù)據(jù)訓(xùn)練，機(jī)器人的識(shí)別精度比僅使用圖像數(shù)據(jù)訓(xùn)練的機(jī)器人提高了10％。

        實(shí)驗(yàn)室助理DhirajGandhi為大家演示了機(jī)器人在接觸熟悉與不熟悉的對(duì)象時(shí)作出的動(dòng)作與反應(yīng)：當(dāng)機(jī)器人識(shí)別出物體時(shí)，它牢牢抓住放入盒中，同時(shí)電腦上顯示的是微笑的表情；如果對(duì)象不熟悉，機(jī)器人會(huì)挪開手臂，并且會(huì)出現(xiàn)扭曲困惑的表情。


        傳統(tǒng)的計(jì)算機(jī)視覺學(xué)習(xí)形式，主要是通過輸入數(shù)據(jù)，經(jīng)過“監(jiān)督”學(xué)習(xí)訓(xùn)練網(wǎng)絡(luò)來識(shí)別對(duì)象，不同的是，CMU的機(jī)器人可以自己教自己。對(duì)此，Gandhi解釋說：“目前計(jì)算機(jī)視覺的核心就是你用大量目標(biāo)特征數(shù)據(jù)來訓(xùn)練，而圖像處理任務(wù)與機(jī)器識(shí)別這一動(dòng)作任務(wù)之間是相互獨(dú)立的?，F(xiàn)在我們想要的就是當(dāng)機(jī)器人與目標(biāo)對(duì)象交互時(shí)獲取的變化數(shù)據(jù)。通過這些數(shù)據(jù)，訓(xùn)練機(jī)器去學(xué)習(xí)可以輔助完成視覺任務(wù)的功能?！?br />
        顯然，研究還處于初期階段，但具有一定的前景。未來，觸摸和視覺學(xué)習(xí)的結(jié)合可用于分類機(jī)器人，可做類似將垃圾與回收物品分開等工作。當(dāng)然，該技術(shù)也可以應(yīng)用到人工智能領(lǐng)域的其他應(yīng)用方面。

        早前，美國(guó)卡內(nèi)基梅隆大學(xué)計(jì)算機(jī)科學(xué)學(xué)院助理研究教授M. BERNARDINE DIAS就曾率領(lǐng)她的團(tuán)隊(duì)用Baxter機(jī)器人測(cè)試與實(shí)驗(yàn)，希望通過觸覺以機(jī)器人視覺為殘障人士提供識(shí)別與導(dǎo)航等方面工作。