雖然一只機械手臂和五個機械手指還不能達到與人類一樣的靈活度，但在世界頂級的人工智能實驗室里，研究人員通過晶振的引導(dǎo)正越來越接近于創(chuàng)造出能夠模仿真實人手的機械手臂。

在由埃隆⋅馬斯克和其他幾個硅谷知名人士共同創(chuàng)建的OpenAI實驗室中，研究人員制造了一款名為 Dactyl 的機械手臂。它看起來很像最新的星球大戰(zhàn)電影中的盧克⋅天行者的機械假體：它的機械手指能夠像人的手指一樣彎曲或伸直。

你可以讓Dactyl為你展示字母積木的某一面——比方說紅色的O，橙色的P或藍色的I——它會向你展示，然后用靈活的方式旋轉(zhuǎn)、扭動和翻轉(zhuǎn)積木。

這對于人類來說非常簡單，但對于一臺機器來說，這是一個非常了不起的成就：機械手臂Dactyl在很大程度上是靠自己來學(xué)習(xí)如何完成這項任務(wù)的。研究人員利用數(shù)學(xué)的方法讓Dactyl學(xué)習(xí)，他們相信可以通過訓(xùn)練讓機械手臂和其他機器來完成更復(fù)雜的任務(wù)，這其中，通過石英晶振的不斷記憶使得機械手臂更加熟練。

抓取系統(tǒng)是由加州大學(xué)伯克利分校的機器人實驗室Autolab的研究人員創(chuàng)建的，它充分發(fā)揮了32.768K晶振的性能，在幾年前代表了技術(shù)的極限。機器配有一個兩根手指的“鉗子”，可以拿起像螺絲起子或鉗子一樣的物件，然后把它們分類到不同容器里。

鉗子比五個手指更容易控制，而制造一個操作夾鉗所需的軟件也不那么困難。它可以處理一些不太熟悉的物體。比如，它可能不知道什么是餐館式的番茄醬瓶子，但是它知道瓶子的形狀和螺絲起子類似。但是，如果這臺機器遇到的東西與它之前所遇到的不同——比如一個塑料手鐲——可能就會處理的不太好。在這個行動過程中，溫補晶振給CPU提供了精準的識別信號，使得機械手臂做出判斷，開始行動。

大家都希望有一個能撿起任何東西的機器人，包括它以前從未見過的東西。這是其他Autolab的研究人員在過去幾年里所建立的機器人。

拾取系統(tǒng)得益于機器學(xué)習(xí)的巨大進步。伯克利的研究人員對超過1萬個物體的物理模型進行了建模，確定了每一個物體的最佳選擇。然后，系統(tǒng)使用神經(jīng)網(wǎng)絡(luò)算法分析了所有這些數(shù)據(jù)，并學(xué)會了識別每個物品的最佳方式。在過去，研究人員必須對機器人進行編程，讓它們完成每項任務(wù)。但現(xiàn)在，它可以自己學(xué)習(xí)這些任務(wù)。

當面對一個塑料尤達玩具時，系統(tǒng)會意識到它應(yīng)該用鉗子把玩具撿起來。但當它遇到番茄醬瓶子時，它會選擇吸杯。這個機械手可以成功地撿起多件隨機物品。它并不完美，但是由于系統(tǒng)可以自己學(xué)習(xí)，它的進步速度比過去的機器快得多，對于晶振的要求也越來越高。

這些都是簡單的任務(wù)，而且機器只能在特定條件下處理它們。它們失敗的次數(shù)并不比成功的次數(shù)少。但驅(qū)動這些系統(tǒng)的機器學(xué)習(xí)方法表明，在未來幾年內(nèi)將會繼續(xù)取得很大的進步。

許多研究人員質(zhì)疑這種模擬訓(xùn)練是否使成果只停留在理論層面，但就像伯克利和其他實驗室的研究人員一樣，OpenAI團隊已經(jīng)證明了這一點。他們在模擬訓(xùn)練中引入了一定的隨機性——它們改變了手和木塊之間的摩擦力，甚至改變了模擬的重力。在模擬的世界中，學(xué)會處理這種隨機性后，機械手就可以處理真實世界的不確定性。

今天，Dactyl所能做的只是旋轉(zhuǎn)一個方塊，但研究人員正在探索如何將這些技術(shù)應(yīng)用于更復(fù)雜的任務(wù)。比如制造業(yè)，無人駕駛飛機，甚至是無人駕駛汽車。康華爾電子生產(chǎn)的優(yōu)質(zhì)高性能晶振提供了很多的幫助，為機械手臂的發(fā)展做出了一份貢獻。

1/5