Google 重组机器人研究团队,这次的重点是做软件

  • 日期:02-01
  • 点击:(1835)


谷歌的机器人程序并不顺利。自2013年以来,这家基于山景城的科技巨头公司已经花了一大笔钱从美国和日本收购了几家机器人初创公司,并将它们合并成一个名为“复制品”的机器人项目,其中包括着名的波士顿动力公司(Boston Dynamics)。

但是它没有持续很久。安迪鲁宾(Andy Rubin)最初负责机器人项目,于2014年离开谷歌。此外,波士顿动力公司(Boston Dynamics)的研发涉及军事领域,这不符合谷歌最初的民用概念。2017年,谷歌将波士顿电力转售给日本软银,整个机器人项目一度陷入沉默。

但是谷歌不止于此。据《纽约时报》和谷歌人工智能官方博客报道,谷歌重组了原机器人项目中的工程师研究人员,并组建了一个名为“谷歌机器人”(Robotics at谷歌)的团队,继续其在机器人领域的研发。

不同之处在于,与之前波士顿动力公司研究的仿生机器人如“双足行走”、“小狗”和“轮子”不同,谷歌机器人专注于机器学习领域,相当于机器人系统和软件的工作。

目前,谷歌机器人公司与来自普林斯顿、哥伦比亚和麻省理工学院几个研究所的研究人员合作,开发了一种名为“机器人”(TossingBot)的对象分类方案。

具体来说,它允许机械臂从一堆复杂的物体中进行正确的排序操作,然后它还可以将物体扔进相应的网格中。该研究本身对电子商务物流和零部件装配等行业具有一定的实用价值。

不要低估这个看似简单的人类工作。整套动作包括物体识别、分类和拣选、投掷等操作。这相当于机器人需要找到最好的方式来自己抓取每一件物品。

研究人员还强调,机器人手臂只需要了解物体的形状和组成,以避免投掷的错误。

以螺丝刀为例。当你握杆柄投掷时,当你握楔形头投掷时,会得到不同的抛物线,最终投掷距离自然会不同。

此外,投掷乒乓球所需的力明显不同于投掷香蕉所需的力,这不仅关系到物体质量和摩擦力的控制,还关系到对投掷距离和场景环境的理解。

而谷歌团队机器人(Robotics)采用的方法是将深度学习和物理相结合,利用端到端神经网络训练机械臂在随机环境中实现排序和处理。

这意味着即使机器人手臂遇到一个完全不熟悉的物体,比如用水果代替一块木头,它也能给出不同的解决方案。

据谷歌机器人公司(Robotics at谷歌)称,TossingBot起初面对大量物体速度很慢,但经过大约14个小时,总共10,000次抓取和投掷尝试后,分类成功率超过87%,投掷成功率超过85%。

现在,它每小时可以拾取500多个物体。它的灵活性和响应速度比目前最先进的分拣系统快2倍。这也证明了机器学习训练确实能帮助机器人更快地掌握某项技能。

研究人员还表示,该计划非常适合物流仓库和配送中心的批量部署,亚马逊等电子商务公司对分拣机器人的需求往往更高。

然而,自动机器人在仓库中的使用并不新鲜。去年10月,日本优衣库(Uniqlo)展示了一个机器人仓库,机器人在其中代替人力进行分拣工作,实现24小时连续运行。亚马逊、沃尔玛和联邦快递也试图使用移动机器人来处理工作。

然而,目前大多数机器人只能解决特定场景中的操作,不擅长处理不同形状的物体,这也是机器人希望现在解决的问题。

在理想情况下,人们自然希望机器人能够通过自学来处理更多的任务,而不是每次都进行一轮预编程。

[资料来源:艾凡纳]