【儀器儀表商情網(wǎng) 國際資訊】在東京一棟外觀低調(diào)的辦公建筑里面，住著一個異常聰明的由日本Fanuc公司造出來的工業(yè)機器人。給機器人一個任務，比如從一個盒子里拾取小工具然后放入另一個容器里，機器人將用整個晚上想出如何完成任務。到了清晨，機器居然掌握了這項工作，就好像是一位專家為它設(shè)定了程序一樣。 

 工業(yè)機器人可以有極好的精確度和速度，但是它們通常需要人非常謹慎的編寫程序，從而做一些像抓取物品這樣的事。這是很困難且耗費時間的，意味著這樣的機器人往往只能在高度控制的環(huán)境中工作。

Fanuc的機器人使用了一種名為深度強化學習的技術(shù)，來訓練它自己，可隨時學習新的任務。它在嘗試拾起物品的同時，能夠抓取這個過程的錄像。不管每次它是成功了還是失敗了，它都會記住物品長什么樣的，用它學到的知識改進控制它行動的深度學習模型或大型神經(jīng)網(wǎng)絡。在過去幾年，深度學習被證明是模式識別領(lǐng)域中的一條強有力的途徑。

‘大約八個小時后，它就達到了百分之九十或更高的準確度，也就是像一位專家為它編寫程序那樣差不多的準確度，’ Preferred Networks的首席研究官Shohei Hido說。這家公司位于東京，專攻機器學習。‘它整晚都在工作；到了第二天早晨，它調(diào)整好了?！?/span>

機器人研究員正在測試強化學習，將它作為一種簡化和加快工廠機器人編寫程序的手段。這個月早期，Google發(fā)布了自己研究使用強化學習教機器人如何抓緊物品的細節(jié)信息。

Fanuc機器人是由Preferred Networks編寫程序。Fanuc這家世界最大的工業(yè)機器人生產(chǎn)商，去年八月對Preferred Networks投資了730萬美元。 這家兩家公司去年12月在東京的國際機器人展覽會上展示了這個學習型機器人。

Hido說，這種學習方式潛在的一個巨大好處是，如果幾個機器人并行工作然后分享他們學到的，就可以促進學習。所以，八個機器人一起工作一小時可以執(zhí)行與一臺機器工作八小時時相同的學習任務。‘我們的計劃是面向分散式學習的，’Hido說，‘你可以想象成百上千個機器人分享信息?！?/span>

這種分散式學習的形式，有時叫做‘云機器人’，正在成為科研界和產(chǎn)業(yè)界的大趨勢。

‘Fanuc完全可以想到這一點’ Ken Goldberg說，他是加州大學伯克利分校的研究機器人的教授，因為它在全世界的工廠里設(shè)置了如此多的機器。他補充到，云機器人將最有可能重塑機器人在接下來幾年被應用的方式。

Goldberg和同事（包括幾位Google的研究員）事實上正在將這一步推向更遠，他們教機器人如何使用特定的動作進行抓取，并非對特定物品的抓取，而是特定形狀的物品都能抓起。一篇關(guān)于這項工作的論文將在五月份出現(xiàn)在 IEEE 機器人和自動化國際會議上。

然而，Goldberg特別提到，將機器學習應用于機器人是充滿挑戰(zhàn)的，因為控制行為遠比辨認圖片中的物體復雜得多?！疃葘W習在模式識別上取得了巨大的進步，’Goldberg說，‘在機器人領(lǐng)域，你面臨的挑戰(zhàn)是你要做的不只是模式識別。機器人要能夠針對大量的不同輸入產(chǎn)生合適的行為。’

Fanuc可能不是唯一一家使用機器學習開發(fā)機器人的公司。在2014年，瑞士的機器人制造商ABB投資了另一家叫做Vicarious的人工智能創(chuàng)業(yè)公司。不過，那筆投資的成果還沒有顯現(xiàn)。