加州伯克利電——機(jī)器人下方是一個(gè)裝滿各種物品的箱子，里面既有盒裝即食麥片，又有小型玩具鯊魚(yú)。用于測(cè)試機(jī)器人有兩個(gè)人機(jī)器臂，它無(wú)法識(shí)別箱子里的任何一件物品，但這并不影響它工作。只見(jiàn)它將機(jī)器臂放入成堆的物品中，開(kāi)始一件接一件的分揀物品。

　　杰夫·馬勒（Jeff Mahler）是加州大學(xué)伯克利校區(qū)一間實(shí)驗(yàn)室的研究人員，也是研發(fā)這個(gè)機(jī)器人團(tuán)隊(duì)的成員之一。他說(shuō)：“面對(duì)混亂不堪的物品堆，它找到了抓起每一件物品的最佳方式。”

杰夫·馬勒（左）和肯·戈?duì)柕虏裨诩又荽髮W(xué)伯克利校區(qū)研究如何能讓機(jī)器人自己學(xué)會(huì)處理各種任務(wù)。

　　對(duì)于人類而言，在一堆物品里拿起東西是一個(gè)簡(jiǎn)單的工作。但對(duì)于機(jī)器人來(lái)說(shuō)，這可是非凡卓越的才能。具備這種能力的機(jī)器人能夠?yàn)槿澜缱畲蟮?a href="http://www.xmydyc.com/company/search.php" title="企業(yè)" target="_blank">企業(yè)帶來(lái)顯著的改變。從長(zhǎng)遠(yuǎn)角度看，這類機(jī)器人將影響勞動(dòng)市場(chǎng)的格局，讓很多人丟掉飯碗。

　　如今，機(jī)器人在亞馬遜這樣的零售巨頭和富士康這樣的制造公司里發(fā)揮了重要的作用。但是我們所使用的機(jī)器人只能從事非常具體特定的工作，比如將特定類型的集裝箱從倉(cāng)庫(kù)一頭搬到另一頭，或者將特定類型的芯片放置于電路板上。它們無(wú)法整理分揀一堆物品，也不能勝任更為復(fù)雜的工作。亞馬遜有著規(guī)模巨大的配送中心，它的主要任務(wù)就是對(duì)貨品進(jìn)行分揀整理。在這里，承擔(dān)絕大部分工作的還是大量的人類員工。

　　加州大學(xué)伯克利校區(qū)的機(jī)器人非常引人注目，因?yàn)樗苣闷鹱约簭奈匆?jiàn)過(guò)的東西。馬勒和其他幾個(gè)來(lái)自加州大學(xué)伯克利校區(qū)的同事組成團(tuán)隊(duì)，共同訓(xùn)練機(jī)器人。他們采用的訓(xùn)練方式很特別：為機(jī)器人展示數(shù)百個(gè)單純的數(shù)字化物品。經(jīng)過(guò)訓(xùn)練之后，機(jī)器人就能拿起從未見(jiàn)過(guò)但卻存在于數(shù)據(jù)中的物品。

　　加州大學(xué)伯克利校區(qū)的教授肯·戈德?tīng)柌瘢↘en Goldberg）是該校機(jī)器人實(shí)驗(yàn)室的負(fù)責(zé)人。他說(shuō)：“我們先在模擬模型身上學(xué)習(xí)經(jīng)驗(yàn)教訓(xùn)，然后再將獲得的知識(shí)應(yīng)用到實(shí)際工作之中。”

　　這個(gè)機(jī)器人遠(yuǎn)稱不上完美。目前它尚處于實(shí)驗(yàn)室研究測(cè)試階段，距離投入實(shí)際使用還有很長(zhǎng)一段時(shí)間。研究人員給它裝上了吸盤(pán)和平行抓握手爪（一種只有兩個(gè)手指的機(jī)械手），因此它能夠穩(wěn)穩(wěn)抓起很多類型的物品。不過(guò)，它無(wú)法在機(jī)械臂移動(dòng)過(guò)程中自由切換吸盤(pán)和平行抓握手爪。用于訓(xùn)練機(jī)器人的技術(shù)給機(jī)器人研究領(lǐng)域帶來(lái)了根本性的改變。這種轉(zhuǎn)變不僅能夠徹底改變亞馬遜倉(cāng)庫(kù)的工作模式，還能顛覆整個(gè)物流倉(cāng)儲(chǔ)產(chǎn)業(yè)。

　　馬勒沒(méi)有利用程序代碼為機(jī)器人指定詳細(xì)的任務(wù)和動(dòng)作。相反，他和同事讓機(jī)器人學(xué)會(huì)如何自行學(xué)習(xí)了解各種任務(wù)。東北大學(xué)、卡內(nèi)基·梅隆大學(xué)、谷歌和OpenAI（由特斯拉首席執(zhí)行官伊隆·馬斯克創(chuàng)辦的人工智能實(shí)驗(yàn)室）的研究人員都在開(kāi)發(fā)類似的技術(shù)。很多人相信，這種機(jī)器學(xué)習(xí)能力最終將使機(jī)器人成功掌握大量工作技能，比如制造物品。

　　德國(guó)制造業(yè)巨頭西門(mén)子公司（Siemens）的先進(jìn)自動(dòng)化制造技術(shù)部門(mén)主管胡安·阿帕里西奧（Juan Aparicio）表示：“這種機(jī)器人將慢慢推廣到裝配業(yè)和其他更為復(fù)雜的工業(yè)領(lǐng)域。這就是它發(fā)展的基本路線。”據(jù)悉，西門(mén)子公司出資贊助了加州大學(xué)伯克利校區(qū)的機(jī)器人研究。

　　從實(shí)體造型上來(lái)看，加州大學(xué)伯克利校區(qū)的機(jī)器人沒(méi)有什么新奇之處。馬勒和團(tuán)隊(duì)成員使用的是市面上常見(jiàn)的硬件材料，包括兩個(gè)由瑞士跨國(guó)公司 ABB 制造的機(jī)械臂和一個(gè)負(fù)責(zé)測(cè)量深度的攝像頭。

　　真正與眾不同的是軟件：馬勒和同事創(chuàng)新性的使用了神經(jīng)網(wǎng)絡(luò)（neural networks）。受人類大腦中的神經(jīng)元網(wǎng)絡(luò)的啟發(fā)，研究人員發(fā)明了神經(jīng)網(wǎng)絡(luò)。它是一個(gè)復(fù)雜的算法，能夠通過(guò)分析海量數(shù)據(jù)進(jìn)行學(xué)習(xí)，從而掌握各項(xiàng)工作技能。神經(jīng)網(wǎng)絡(luò)能從數(shù)千張狗的圖片中分析出狗共同之處，從而找到識(shí)別狗的模式，這樣一來(lái)，神經(jīng)網(wǎng)絡(luò)就具備了識(shí)別狗的能力。

加州大學(xué)伯克利校區(qū)的機(jī)器人能夠拿起自己從未見(jiàn)過(guò)的不規(guī)則物體，比如玩具鯊魚(yú)。

　　過(guò)去五年里，這類算法從根本上改變了互聯(lián)網(wǎng)巨頭們構(gòu)建在線服務(wù)的模式，促使各類產(chǎn)品飛速升級(jí)發(fā)展。從圖片識(shí)別、語(yǔ)音識(shí)別到互聯(lián)網(wǎng)搜索，所有東西都在神經(jīng)網(wǎng)絡(luò)的影響下出現(xiàn)巨變。同樣，神經(jīng)網(wǎng)絡(luò)也能推動(dòng)機(jī)器人技術(shù)的進(jìn)步。

　　研究伊始，加州大學(xué)伯克利校區(qū)的研究團(tuán)隊(duì)在網(wǎng)上瘋狂的尋找 CAD（computer-aided design，計(jì)算機(jī)輔助設(shè)計(jì)的簡(jiǎn)稱）模型。這些模型以數(shù)字化的方式反映生活中的實(shí)體物品。在進(jìn)行實(shí)驗(yàn)或者開(kāi)發(fā)新物品時(shí)，工程師、物理學(xué)家和設(shè)計(jì)師構(gòu)建了各種 CAD 模型。馬勒和同事們收集了很多數(shù)字化的物品，最終構(gòu)建起一個(gè)容量超過(guò) 700 萬(wàn)件物品的數(shù)據(jù)庫(kù)。接著他們模擬出每一件物品的真實(shí)情況，讓機(jī)器臂知道拿起物品的精準(zhǔn)抓握點(diǎn)在哪里。

　　這是一個(gè)浩大的工程，但整個(gè)過(guò)程幾乎是全自動(dòng)化的。研究團(tuán)隊(duì)將 CAD 模型輸入神經(jīng)網(wǎng)絡(luò)之后，神經(jīng)網(wǎng)絡(luò)便學(xué)會(huì)了在任何形狀的數(shù)字化物體身上識(shí)別相似點(diǎn)。研究團(tuán)隊(duì)將神經(jīng)網(wǎng)絡(luò)接入機(jī)器人之后，機(jī)器人便能在任何實(shí)體物品身上識(shí)別相似點(diǎn)。

　　面對(duì)一個(gè)圓柱形（或者至少某些部分是曲面）的日常物體時(shí)——比如說(shuō)抹刀、訂書(shū)機(jī)、圓柱形容器、果脆圈（Froot Loops，美國(guó)頗受小朋友歡迎的水果味早餐麥圈——譯者注）或者一管牙膏——機(jī)器人通常能夠?qū)⑵渥テ稹Ｒ话銇?lái)說(shuō)，抓起成功率在 90% 以上。如果物品的形狀更加復(fù)雜（比如玩具鯊魚(yú)），抓起成功率便會(huì)下降。

　　除此之外，研究團(tuán)隊(duì)還仿照出一大堆隨機(jī)物體并將其輸入神經(jīng)網(wǎng)絡(luò)。如此一來(lái)，神經(jīng)網(wǎng)絡(luò)便學(xué)會(huì)從成堆的實(shí)體物品中抓起某一件物品。布朗大學(xué)和東北大學(xué)的研究人員正在進(jìn)行類似的研究。他們希望將這類成果與其他技術(shù)方法進(jìn)行結(jié)合。

　　與西門(mén)子和豐田研究中心一樣，亞馬遜也為加州大學(xué)伯克利校區(qū)的機(jī)器人研究工作提供了大量資金。實(shí)際上，亞馬遜迫切希望這類機(jī)器人早日投入使用。在過(guò)去的三年中，該公司舉辦了一項(xiàng)由眾多科研人員參加的比賽。參賽者要利用機(jī)器人成功“抓起物品和放下物品”。但是，像加州大學(xué)伯克利校區(qū)研發(fā)的這種機(jī)器學(xué)習(xí)技術(shù)具備很強(qiáng)的推廣能力。最終他們能將此類技術(shù)推廣到很多其他領(lǐng)域，比如制造業(yè)和家用機(jī)器人領(lǐng)域。

　　布朗大學(xué)教授斯蒂芬妮·特萊克斯（Stefanie Tellex）表示：“能夠成功拿起物品我們對(duì)擁有機(jī)械臂機(jī)器人的第一個(gè)要求。具備這個(gè)能力之后，它才能做出許多更為復(fù)雜的動(dòng)作。如果機(jī)器人不能成功拿起物品，那么其他的一切都無(wú)從談起。”

　　這些研究向我們展示了機(jī)器人在數(shù)字世界學(xué)習(xí)任務(wù)后如何將其適用到現(xiàn)實(shí)世界中來(lái)。加州大學(xué)伯克利校區(qū)的機(jī)器人裝有可以測(cè)量深度的攝像頭，能夠捕捉三維圖像。這些三維圖像與研究團(tuán)隊(duì)訓(xùn)練神經(jīng)網(wǎng)絡(luò)時(shí)所使用的 CAD 模型非常類似。

　　其他研究人員正在研發(fā)幫助機(jī)器人直接從實(shí)際經(jīng)驗(yàn)中學(xué)習(xí)的技術(shù)。谷歌研究出一種叫做強(qiáng)化學(xué)習(xí)（reinforcement learning）的算法技術(shù)。使用該算法之后，機(jī)器人就能通過(guò)反復(fù)嘗試而學(xué)會(huì)開(kāi)門(mén)。但是這種實(shí)際訓(xùn)練既浪費(fèi)時(shí)間又消耗金錢(qián)。相比之下，數(shù)字化訓(xùn)練才是高效劃算的模式。

　　因此，一些組織機(jī)構(gòu)希望利用復(fù)雜的虛擬世界來(lái)訓(xùn)練機(jī)器人：先讓它們?cè)跀?shù)字游戲中得到訓(xùn)練，然后再在現(xiàn)實(shí)環(huán)境中實(shí)際操作。如果系統(tǒng)能夠在《俠盜獵車手》（Grand Theft Auto）這樣的賽車游戲中學(xué)會(huì)開(kāi)車，它就能在現(xiàn)實(shí)世界的道路上掌控汽車飛馳前進(jìn)。

　　當(dāng)然，這基本上還停留在理論層面。但在加州大學(xué)伯克利校區(qū)和東北大學(xué)這樣的地方，研究人員已經(jīng)證明數(shù)字化訓(xùn)練的確能幫助機(jī)器人更好的在現(xiàn)實(shí)世界中學(xué)習(xí)和掌握技能。

　　東北大學(xué)教授羅伯·普萊特（Rob Platt）說(shuō)：“這是一個(gè)挑戰(zhàn)，但我們正在想辦法一步步克服困難。”