加州伯克利機器人教授 Ken Goldberg 愁容滿面，他不斷摩挲著手中的咖啡杯，嘴里還念念有詞的說道：“讓機器人掌握這類數據怎么這么難啊。”如今，人工智能已經可以輕松處理復雜的認知工作如協助法律和醫療研究，但對機器人來說，撿起地上掉落的衣服依然是天方夜譚。伯克利、康奈爾等大學和亞馬遜、豐田等公司都在不斷努力，試圖讓機械手擁有人手一樣的敏捷度。

如果某一天有人能取得成功，無疑將引發新一輪的機器人革命，這些靈巧的機器將進一步釋放社會生產力。

誠然，機器進入我們生活已經幾個世紀了，但它們能做的工作較為有限。“它們都被安置在固定地點，重復的做著各種機械的任務。”Goldberg 說道。不過，一旦出了工廠，在一些非結構化的環境中，如亂糟糟的房間和繁忙的倉庫，機器就會變得束手無策。

抓住竅門

“抓取某個物體聽起來簡單，人類甚至不用思考就能輕松完成，但對于機器人來說這一動作卻非常微妙且難以捉摸。”Goldberg 說道。但如果仔細推敲，這一過程其實要依靠我們大腦中非常復雜的網絡來完成。就拿端起馬克杯來說，人類大腦會自動計算出怎樣握持杯子最穩，它連每個指頭該放的地方都規定的清清楚楚。

人類通過進化，大腦已經有了自己高度定制的處理慣例。“雖然桌子上放的鋼筆我從來沒見過，但我知道自己能輕松把它拿起來。”Goldberg 說道。“在拿取鋼筆的過程中，大腦重拾此前類似的體驗，并將處理方法回傳給雙手。”現在，Goldberg 正與自己的學生教機器人學習這個小竅門。為此他們專門搭建了一個名為 Dexterity Network（敏捷網絡）的網絡數據庫，這里存了約一萬個 3D 虛擬物品，未來數據庫存放虛擬物品的規模可能還會逐步擴展至百萬級。

去年 9 月份我參觀 Goldberg 的實驗室時，他在我面前擺了許多奇形怪狀的 3D 打印模型。Goldberg 讓我試著拿起其中一個，但我發現這些東西根本沒有可以握住的把手，于是第一次某個模型從我手中滑落了。Goldberg 稱這種形狀為敵對形狀，他認為如果自家數據庫能搞定這些形狀的物體，機器手敏捷度就能比人手還棒。

為此，Dex-Net 數據庫專門開發了一個算法，對數據庫中的每個虛擬物體，都會嘗試通過 1000 種不同的方式抓取 1000 次。三個月后，我再次造訪實驗室，在這里我見到了 Goldberg 的得意門生 Jeff Mahler，他現在負責運營數據庫，而且已經完成了工業機器人 YuMi 與數據庫的連接。“工業機器人擅長做重復工作，但在環境不斷變換的情況下，機器人需要不斷適應自己感受到的新環境，這是個巨大的挑戰。”Goldberg 說道。

借助 Alexa，Mahler 讓機器人把那些奇怪的 3D 打印模型放在盒子里。機械手觸碰到那個給了我下馬威的物品后，也手滑了。不過，錯誤也能產生新經驗，如果能弄上百臺一起測試的話，就能找到抓取這個物品的竅門，一臺機器人學會了，聯網的所有機器人就都學會了。

亞馬遜在機器人研發上也有自己的一套。2015 年，電商巨頭推出了亞馬遜機器人競賽項目，獲勝的機器人未來可能會進入裝運中心服役，徹底替代人類工人。2016 年，該比賽的獲勝者是來自荷蘭的代爾夫特大學，他們的機器人從大包中取出了 12 件貨物并分別將它們放在了不同的箱子中。在抓取表面平滑的貨物時，機器人用到了吸盤，其他的則采用機器爪。整個過程雖然很精確，但速度實在太慢了。

伯克利大學還沒參與到亞馬遜的競賽中來，不過今年它們將參加歷史悠久的家政機器人大賽。在比賽中，機器人要完成吸塵、送飯或打掃房間的任務。不過，參賽機器人限制較多，各家團隊只能用豐田的人類支援機器人或軟銀可愛的小辣椒 Pepper。

那么家政機器人吸引力到底如何呢？“如果花 2000 美元就能讓家里整潔如新，我會毫不猶豫買一臺的。”Goldberg 預測道。此類機器人不但能對付亂扔東西的熊孩子，還能幫助殘疾人或老人做家務，未來它們可能還會承擔外出購物的任務。

一家名為 Seven Dreamers 的公司已經做出了疊衣機器人 Laundroid，經過多年研發，這款產品今年 3 月就將正式上市，不過它動作非常緩慢，而且只會做疊衣服一個動作。

康奈爾大學的光導管

給機器人一雙靈巧的手

回看 1973 年的原版《西部世界》電影中，機器人只安裝了略顯畸形的手。不過，即使幾十年過后，現在的機器人也沒什么進步。 Goldberg 自家實驗室研發的 YuMi 機器人有兩根剛性手指，它們像大白鯊一樣可以開開合合。如果它們能用上完整的手，抓起物品來肯定會輕松得多。

不過，眼下 Goldberg 團隊的主要任務還是對現有工業機器人進行改進，要打造未來機器人靈巧的雙手，用到的方法可完全不同。

在這方面，康奈爾有機機器人實驗室擁有一定的領先優勢，它們的機器人像人一樣擁有 5 根指頭，這五根指頭還是硅膠打造，而非生硬的金屬。“簡單來說，每根指頭就像一個氣球，而驅動它們的則是壓縮空氣，其原理與我們常見的彩彈槍類似。這種人造手指的底部幾乎不能動彈，但充入空氣后，其頂部可向內彎曲模擬人類手部動作。”

從理論上來講，你甚至可以順利的和康奈爾大學的機器人握手，未來這項技術可用來打造仿生手。

有了柔軟的手指，抓取物品的過程就會簡單許多。“我們的仿生手可以根據物體形狀變形，因此它可以不借助算法就抓取任意物品。“康奈爾大學專家 Shepherd 說道。

康奈爾大學的仿生手并非業界獨一無二的產品，Bebonic 和 Open Bionics 公司也已經有完成度非常高的靈巧機械手了，不過它們依舊需要人類來操作，只有連接上殘疾人斷肢的上部，才能采集到精確的電信號。此外，打造這些機械手花費巨大，一般人根本負擔不起。下一步，Open Bionics 的目標是將自家的機械手產品售價降至 3000 美元左右。

Shepherd 非常看好自家的硅膠仿生手，一旦大規模量產，其成本只要 50 美元左右。不過，康奈爾大學的真正的殺手锏還是在傳感器上，它們非常精確而且量產起來相當簡單。

康奈爾大學在仿生手的每個手指中都植入了三根聚氨酯管，研發人員將其稱為光導管，它們可以像光纖電纜一樣工作。每根光導管兩頭分別安裝了 LED 等和光電探測器，穿過光導管的光會隨著手指的彎曲逐漸變暗。隨后，只需將廣電探測器讀取的數據進行整合，機器人就能獲取每根手指的位置和它與物體接觸的程度。由于可以感知外部壓力，未來手指還能擁有痛感。

長路漫漫

想要擁有人手一樣的敏捷度，機器人還有許多機械和計算問題需要克服。“人手非常復雜，它們是細胞級的精準進化產物，我們現在的工作只是低水平的模仿而已。未來，康奈爾大學仿生手上的傳感器可能會從 3 個增加到 100 個，但要想實現能與人手匹敵的神經密度，我們需要數千個傳感器。”Shepherd 說道。

需要注意的是，僅僅增加傳感器并不能完美的解決仿生手的敏捷度問題。“在傳感器數據的處理問題上，我們推進的很慢。”Goldberg 說道。“所以，光有傳感器可不夠，與其搭配的算法必須得跟上。而且說實話，我們與理想中的要求還差的很遠。”對于被家務困擾的家庭主婦來說，這是個壞消息，但它卻保住了許多靠力氣吃飯人的飯碗。