选择握把的能力可以帮助两臂机器人比以往更快地捡起物体。
几年来，我们一直在关注
Dex-Net项目的进展，该项目正在尝试开发用于机器人的通用握把.1月中旬，《科学机器人》杂志上发表了一项新著作，加利福尼亚大学伯克利分校的科学家在此发表了Dex-Net 4.0。 与这项工作相关的最重要，最有趣的消息是，得益于增加的自动机械手，Dex-Net的最新版本成功地以每小时300件的速度成功捕获了95％的先前未知物体，这使它可以选择以下一种：两种类型的捕获。
为了进行比较，假设一个人能够以每小时400到600件的速度提速两倍。 我想说的是，如果允许对象对每个对象进行几次尝试，那么对于一个人来说，可以期望100％成功的捕获-或至少可以很好地近似于该数字。 因此，我们为汽车设定了很高的标准。 我们在捕获物体（以及整体抓握能力）方面取得成功的部分原因，是我们在处理许多形状，大小，重量的物体，各种材料的摩擦以及物体在捕获过程中可能变形的丰富经验。 甚至没有意识到它，我们就能够在头部构建对象的详细模型，并且它们可以帮助我们轻松地抓起并举起以前看不见的对象。
但是，机器人无法访问这个世界的实验模型。 他们依靠基于特定任务的培训-Dex-Net在这里发挥作用。 她学会使用数百万个三维物体模型和一些随机物理学来捕获事物，进行模拟训练，以便更好地将模拟成功转移到现实世界中。 人为的不确定性使系统可以处理诸如传感器噪声和较小的逐步校准偏差之类的事情-当然，通过训练真实的机器人可以获得更真实的结果，但是随后出现了诸如需要许多真实的机器人的局限性并赋予了它们这样的局限性有时间工作-谁想等他们？
Dex-Net 4.0的独特之处在于，它为捕获对象制定的规则是“灵巧的”，也就是说，机器人具有两次捕获，并决定当前使用哪种捕获。 但是，与双性恋人不同，该机器人的手部握力不同：两个手指的夹具和真空吸盘。 基于对捕获质量的初步评估，Dex-Net选择哪些捕获可以更可靠地捕获对象。 这项技术使快速，可靠地抓取物体成为可能：上面视频中的ABB YuMi每小时可以捕获约300个以前看不见的物体，效率为95％。 并且Dex-Net允许您连接其他类型的捕获。 经过额外的训练（并向机器人添加捕捉后，您可以教它如何使用静电握把，五指手，壁虎式握把或其他任何东西）。
当然，研究机器人无法拿走物品的5％的情况总是很有趣的，下面是一些示例：
第一张照片显示了“有问题的”物体，由于“有问题的几何形状，透明度，镜面和可变形性”，这些物体特别难以举起。 Dex-Net仅在63％的情况下处理此类对象，尽管如果让系统记住以前的故障并稍微移动一下对象，但如果不清楚如何抓住对象，则可靠性会提高到80％。
第二张照片显示了Dex-Net 4.0根本无法应对的物体，“由于反射特性（例如透明性）会影响深度感知，而材料特性（例如孔隙率和延展性）（例如，松散的包装）这会影响使用吸盘粘在表面上的能力。” 值得注意的是，两指握把没有任何力传感器或触觉传感器，因此系统中仍有一些需要改进的地方。
您还可以考虑效率不达到100％的情况是可以接受的。 处理抢夺失败的方法有很多现实的方法：您可以指示机器人从篮子里收集所有东西，然后将剩余的东西发送给将处理复杂物体的人。 或者，也许在某个时候，改变对象的包装是有意义的，这样就可以更轻松地拾取机器人捕获特别困难的物品。 无论如何，这更是一个“何时”的问题，而不是“如果”的问题，并且由于提高供应链自动化的吸引力是多么诱人，这个“何时”很可能很快就会到来。