人类希望机器人来完成许多工作：例如包装仓库里的物品，帮助长期卧床的病人，或者为前线的士兵提供援助。这些愿景尚未实现，因为机器人还不能够识别并且轻松地处理日常物品。来自布朗大学的计算机科学教授Stefanie Tellex(教授主页)表示：「人们能够很轻松地叠袜子、拿起水杯，因为我们的童年就是一个收集大数据的过程」。如果想要机器人完成同样的日常任务，它们也需要访问类似的物品操作数据。

以上的观点就是由Tellex提出的「百万物品挑战」（Million Object Challenge）背后的理论。该挑战的目标是研究如何让世界各地的机器人学会处理类似于碗和香蕉的简单物品，把各自的数据上传到云端，并且允许其他机器人分析和使用这些信息。

Tellex在罗得岛州，普罗维登斯的实验室有一种幼儿园的趣味感。在笔者探访的当 天，一款由Rethink Robotics公司生产的巴克斯特工业机器人(Baxter Robot)正在一堆超大物件中间扫描一把小梳子。机器人右臂在梳子上来回摆动，在用照相机拍摄多张相片的同时，也用红外线传感器测量物品的深度。然后， 巴克斯特用自己的两个夹子手，试图以不同的抓拿方式捡起梳子。在物品被举到空中之后，机器人还会通过摇晃它来确保自己是否拿稳。一旦确定拿稳，机器人就学 会了拿起一样物品的方式.

图：Stefanie Tellex和巴克斯特机器人于布朗大学。

这款机器人可以日以继夜地工作，用夹子手操作不同的物件。Tellex和她手下的研究 生John Oberlin收集并且分享了大约200个物品的数据，其中包括孩子的鞋，塑料船，橡皮鸭子，压蒜器以及其它厨具，还有一个原先属于Tellex三岁儿子 的饮水杯。其他的科学家也可以贡献自己机器人的数据，Tellex希望大家可以借此共同建立一个关于机器人应该如何处理各种物件的信息库。最 终，Tellex表示机器人会在拥挤的货架前「识别面前的笔，并且捡起来」。

许多研究机器人经验共享的项目使用同一个被称之为ROS的标准编程框架。在这个框架 里，一旦一台机器学会了指定任务，它可以上传学习数据，由其它机器提供反馈意见，用来改善给之后机器的指令。Tellex表示，任何关于如何识别和拿起指 定物品的数据都可以被压缩到5~10兆字节，和电脑音乐库里的一首歌大小一样。

Tellex是RoboBrain项目的早期合伙人，该项目展示机器人如何从彼此的经 验相互学习。她当时在康奈尔大学的合伙人Ashutosh Saxena教自己的PR2机器人举起小杯子，再放把它到桌子上。Tellex在布朗大学从云端下载了这些信息，并且使用它们在不同的环境下，训练与 PR2构造不同的巴克斯特机器人完成相同的任务。

目前是创业公司Brain of Things CEO的Saxena说：这种技能上的进步正在增长。但在未来的十年，我们可以期待看到「机器人能力的爆发式增长」。随着更多的研究人员贡献并且完善云端的知识，「机器人将会在弹指之间获得自己需要访问的信息。」

消息链接：

Robots That Teach Each Other What if robots could figure out more things on their own and share that knowledge among themselves?

（本文来源：机器之心）

如若转载，请注明e科网。

如果你有好文章想发表or科研成果想展示推广，可以联系我们或免费注册拥有自己的主页