麻省理工学院计算机科学与人工智能实验室(CSAIL)的突破性研究正在教授机器人使用计算机视觉来研究如何拾取物体。

在训练之后，机器人已经证明能够在工厂中反复拾取相同的物体，但是当面对不同的物体时，它们需要被重新训练，或者使用基本的抓取算法。

计算机视觉的最新进展使得机器人能够区分物体，但是它们真正理解其形状的能力仍然缺乏。

然而，麻省理工学院的研究人员现在开发了一种系统，在这种系统中，机器人可以检查随机物体，以便在拾取它们并完成特定任务之前理解它们的3D属性 - 所有这些都独立于人类的帮助而且之前没有看到过这些物体。

密集对象网(DON)系统将对象视为一系列点，并将其映射到3D形状。这使得机器人可以在相似的其他物品中拾取物品。

在上面的视频中，Kuka机器人被指示用舌头捡起鞋子。基于此，机器人可以看到它以前从未见过的鞋子并抓住它的舌头。

机器人使用的数据都没有被人类标记。该系统是自我监督的，围绕物体移动以从几个角度观察它以识别其形状。

更独立的机器人

博士生Lucas Manuelli与麻省理工学院教授Russ Tedrake一起，与主要作者和博士生Pete Florence一起撰写了关于该系统的论文。谈到研究对麻省理工学院新闻的重要性，他说：“许多操纵方法无法在物体可能遇到的许多方向上识别物体的特定部分。例如，现有的算法将无法通过其手柄抓住马克杯，特别是如果马克杯可以处于多个方向，例如直立或侧面。

类似的系统，例如UC-Berkeley的DexNet，能够获取不同的项目，但无法遵循细微的请求，例如在特定点抓取特定项目。

麻省理工学院的研究人员通过右耳拾取毛毛虫玩具展示了他们系统的能力，展示了它能够区分左右对称物体。

同样，当面对多个类似的棒球帽时，DON可以识别并掌握所需的帽子 - 没有任何训练数据。

“在工厂中，机器人通常需要复杂的零件供料器才能可靠地工作，”佛罗伦萨说。“但是像这样能够理解物体方向的系统可以拍摄照片，并能够相应地掌握和调整物体。”

该团队希望将其研究进一步扩展到系统可以执行任务的地方，更深入地了解相应的对象，例如抓取对象并移动它来清理桌面。