機器人的應用越來越普及，特別是在各種工作環境中協助執行人類無法完成的任務，或者增加人們的工作效率。但機器人還不是萬能：例如「識別物體並拾取它們」這項工作看似簡單，對機器人來說卻極為困難。

麻省理工學院和普林斯頓大學的研究人員設計了一款擁有較高肢體靈活性的機器人系統，識別並抓取物體將不再是問題。

現今，大多數在生產線上使用的機器人都經過精心校準，以便進行準確的運動。研究人員利用演算法，使機器人從一堆物體中隨機抓取一個物品，而該取放系統由一般常見的機械手臂（構造上由機械主體、控制器、伺服機構和感應器所組成，由程式根據作業需求設定其一定的指定動作）組成，並配備一個訂製的抓手和吸盤。透過深度學習（深度學習是機器學習的一種方式，讓電腦像長了神經網路般，可進行複雜的運算，並展現擬人的判斷及行為）使機械手臂能處理任何給定的物品。

該系統的多功能假肢可以透過四種不同的方式完成取放的挑戰：垂直使用吸盤、側面使用吸盤、垂直抓握，以及抓握同時使用其他工具（用於抓取牆邊的物體）。實驗期間，當機器人拾取物體之後，研究人員會記錄成敗與否並輸入數據，以優化系統拾取各種類型的物體的過程。

為了能研發出自動上下貨的機器人，電商巨擘亞馬遜連續 3 年舉辦「亞馬遜機器人挑戰賽（Amazon Robotics Challenge）」，向全球好手，尋求解決方案。而在2017 年的比賽中該系統使用吸力拾取物體的成功率達 54％、抓握成功率為 75％，並且以 100％ 的精準度識別了物體。

科學家建議可以將該系統應用於提升倉儲業管理貨物的效率、從櫥櫃中抓取物品，甚至在事故發生後挖掘碎片等不同場景。因為機器的深度學習可以根據任何情況調整，因此相關的潛在應用非常廣泛。

類似的深度學習演算法也能用來開發機器的視覺感知系統，並使用照片庫教導機器人識別現實生活中的每項物品。

• 本文編譯自《Futurism》〈This Robot Can Pick Up Objects and Recognize What They Are〉

參考資料：

• 如果電腦有神經，可以教它做什麼？ 研知有物
• 機械手臂 Wikipedia
• 台灣唯一入圍2017亞馬遜機器人挑戰賽決賽 智慧機器人網（2017/6/12）