机器人的应用于更加普及，特别是在各种工作环境中协助执行人类无法已完成的任务，或者减少人们的工作效率。但机器人还不是万能：例如“辨识物体并掉落它们”这项工作看起来非常简单，对机器人来说却十分艰难。麻省理工学院和普林斯顿大学的研究人员设计了一款享有较高肢体灵活性的机器人系统，辨识并捕捉物体将仍然是问题。现今，大多数在生产在线用于的机器人都经过精心校准，以便展开精确的运动。

研究人员利用算法，使机器人从一堆物体中随机捕捉一个物品，而该取放系统由一般少见的机械手臂（结构上由机械主体、控制器、伺服机构和传感器所构成，由程序根据作业市场需求原作其一定的登录动作）构成，并配有一个订做的抓手和管状。利用深度自学（深度自学是机器学习的一种方式，让计算机像长了神经网络般，可展开简单的运算，并展现出拟人的辨别及不道德）使机械手臂能处置任何等价的物品。

该系统的多功能假肢可以利用四种有所不同的方式已完成取放的挑战：横向用于管状、侧面用于管状、横向手部，以及手部同时用于其他工具（用作捕捉墙边的物体）。实验期间，当机器人掉落物体之后，研究人员不会记录胜败与否并输出数据，以优化系统掉落各种类型的物体的过程。为了能研发出有自动上下货的机器人，电商巨擘亚马逊倒数3年举行“亚马逊机器人挑战赛（AmazonRoboticsChallenge）”，向全球高手，谋求解决方案。

而在2017年的比赛中该系统用于吸力掉落物体的成功率约54％、手部成功率为75％，并且以100％的精准度辨识了物体。科学家建议可以将该系统应用于提高仓储业管理货物的效率、从橱柜中捕捉物品，甚至在事故再次发生后挖出碎片等有所不同场景。因为机器的深度自学可以根据任何情况调整，因此涉及的潜在应用于十分普遍。

类似于的深度自学算法也能用来研发机器的视觉感官系统，并用于照片库教导机器人辨识现实生活中的每项物品。

本文来源：97国际至尊品牌游戏官网-www.upcomingwoman.com