人類手指靈巧，但是機器人正在迎頭趕上。

在1973年的經(jīng)典科幻電影《西部世界》中，度假勝地的機器人員工與人類客人沒有什么區(qū)別，除了一個小線索：工程師們還沒有完善機器人的手。

現(xiàn)實機器人的能力遠(yuǎn)遠(yuǎn)落后于《西部世界》中的機器人殺手，但在這一小點上，現(xiàn)實和虛構(gòu)是一致的：手和物體的操控，正是機器人技術(shù)中特別具有挑戰(zhàn)性的一部分。加州大學(xué)伯克利分校的工程師Ken Goldberg說：“抓握是目前（機器人技術(shù)）最重要的挑戰(zhàn)。”

來源：Sam Chivers

在過去的50年里，機器人在嚴(yán)格控制的工作條件下已經(jīng)表現(xiàn)得非常好，例如在汽車裝配線上。昆士蘭科技大學(xué)澳大利亞機器人視覺中心（ACRV）的機器人研究員Juxi Leitner說：“你可以針對一項特定的任務(wù)建立一個機器人系統(tǒng)，比如撿起一個汽車零件。你確切知道要把某個部件放置到什么位置，機械臂需要達(dá)到什么位置；因為機器人已從同一個地方拾起同樣的部件幾百萬次了。”

但現(xiàn)實世界不是一條可預(yù)測的裝配線。盡管人類可以輕松地與工廠大門之外的無數(shù)物體和環(huán)境相互作用，但這對于機器人來說卻極其困難。

這些幾無章法可言的環(huán)境是機器人研究人員需要攻克的下一個前沿領(lǐng)域，它們對于機器人抓握來說是特別棘手的。任何希望與外界進(jìn)行實體交互的機器人都不得不面對一個問題：物體對觸摸的反應(yīng)具有內(nèi)在不確定性。Goldberg說：“預(yù)測遙遠(yuǎn)的小行星的運動比我們預(yù)測一個簡單物體被推過桌子的運動要容易得多。”

一些研究人員正在使用機器學(xué)習(xí)來使機器人獨立識別和設(shè)計如何抓取物體。另外一些人則正在改進(jìn)硬件——機械手從鉗形結(jié)構(gòu)到仿人手，不一而足。機器人學(xué)家也正全力以赴應(yīng)對如何操控抓握住的物體這一挑戰(zhàn)。

提升機器人抓握能力可能會產(chǎn)生巨大的社會影響。商業(yè)實體，特別是涉及各種貨物運輸?shù)膶嶓w，正在密切關(guān)注著相關(guān)研究的發(fā)展。“這方面具有巨大的需求。伴隨著電子商務(wù)的飛速發(fā)展，產(chǎn)業(yè)界非常希望能解決這個問題。”Goldberg說。業(yè)界的研究興趣比以往任何時候都大，“這是一個將研究真正付諸實踐的好機會。”

學(xué)會學(xué)習(xí)

過去三年來，電子商務(wù)巨頭亞馬遜組織的年度競賽充分體現(xiàn)了產(chǎn)業(yè)界對此的濃厚興趣。亞馬遜機器人挑戰(zhàn)賽（Amazon Robotics Challenge）要求參賽隊伍設(shè)計并制造一種機器人，讓它根據(jù)客戶訂單將物品從集裝箱中分揀出來，然后放進(jìn)盒子內(nèi)。

物品種類多樣，從瓶子、碗到軟玩具和海綿，皆包括在內(nèi)；而且這些物品一開始是混雜在一起的，這使得物體辨別和機械抓握都非常具有難度。

2017年7月，Leitner的ACRV隊建造的機器人Cartman奪得了挑戰(zhàn)賽的勝利。Cartman類似于游樂場中的抓娃娃機，由一個鋁制框架支撐機械爪組件構(gòu)成。它有兩個用于拾取物體的工具——末端執(zhí)行器，一個是兩塊平行板組成的抓器，另一個是連接了真空泵的吸盤。

對于機器人遇到的每一個物體，研究人員都指定了應(yīng)該首先嘗試哪一個執(zhí)行器；如果不起作用，機器人就會切換另一個。

不過，機器人首先必須找到它所要尋找的物品。為此，ACRV隊采用了機器學(xué)習(xí)方法。Cartman主要依靠業(yè)內(nèi)流行的RGB-D相機獲得輸入，RGB-D相機可以同時獲取物體顏色和深度信息。相機通過執(zhí)行器向下看，看到下面盒子的內(nèi)部。

Leitner解釋說，這個角度有利于Cartman標(biāo)記每個像素對應(yīng)的物品——這是一種被稱為語義分割的深度學(xué)習(xí)形式。一旦找到目標(biāo)物品的像素群，相機的深度感應(yīng)能力就可以幫助機器人計算出如何抓取該物品。Leitner說：“簡單地說，我們把物品露在外面最多的那部分固定住。”

機器人抓取技術(shù)的最新進(jìn)展得益于機器學(xué)習(xí)的快速發(fā)展。“軟件一直是制約瓶頸，但由于深度學(xué)習(xí)，它正變得越來越先進(jìn)。”加州大學(xué)伯克利分校的深度學(xué)習(xí)專家Pieter Abbeel說。這些發(fā)展開啟了“機器人應(yīng)用的全新途徑”。

Abbeel是加利福尼亞埃默里維爾的一家初創(chuàng)公司covariant.ai的聯(lián)合創(chuàng)始人和首席科學(xué)家，公司使用深度學(xué)習(xí)來訓(xùn)練機器人。與其設(shè)定機器人執(zhí)行特定的動作，倒不如通過人類示范教會機器人適應(yīng)同一問題的不同場景。

人類教練通過頭戴裝置觀看機器人手臂上相機的反饋圖像，并使用運動控制來引導(dǎo)機器人手臂拾取物體。在此過程中所采用的方法數(shù)據(jù)會傳輸給神經(jīng)網(wǎng)絡(luò)。“只要有幾百次這樣的演示，你就可以訓(xùn)練一個深度神經(jīng)網(wǎng)絡(luò)學(xué)會一項技能。”Abbeel說，“我的意思是，機器人不是掌握了一種它將重復(fù)執(zhí)行的特定動作，而是掌握了根據(jù)相機反饋來調(diào)整動作的能力。”

Goldberg也同樣使用機器學(xué)習(xí)來訓(xùn)練機器人掌握抓握技巧。但他不是從真實世界中收集數(shù)據(jù)，而是對他的Dex-Net軟件進(jìn)行虛擬訓(xùn)練。“我們可以迅速模擬出數(shù)以百萬計的抓握。”他說。該軟件使工業(yè)機器人能從成堆的物體中拾取指定物品，即使是它以前沒有見過的，且成功率超過90%。應(yīng)對某個特定物體時，它還可以自己決定是使用平行鉗夾還是吸盤工具。

第四代Dex-Net將于2018年面世。根據(jù)Goldberg和其他機器人學(xué)家開發(fā)的一種體現(xiàn)可重復(fù)性的度量指標(biāo)——每小時平均分揀次數(shù)，Dex-Net目前屬于最快的一類分揀機器人，每小時平均分揀次數(shù)可以達(dá)到200次以上，雖然仍然落后于人類——約為400到600次，但還是遠(yuǎn)遠(yuǎn)超過最近的亞馬遜機器人挑戰(zhàn)賽參賽團隊所取得的成績（見“成功的衡量標(biāo)準(zhǔn)”）。

來源：Ken Goldberg

但Dex-Net的模擬世界是不完善的。例如，該模型假定物品都是剛性的，不考慮包含液體的物體。Abbeel表示，對機器學(xué)習(xí)來講，模擬可能并不總是最簡單的方法。“真實世界是免費的模擬器，”他說，“如果機器學(xué)習(xí)能平衡這兩種方式是最好的。”

輕柔地抓取

Goldberg和Leitner采用了流行的平行鉗夾和吸盤組合：2017年亞馬遜機器人挑戰(zhàn)賽中的大多數(shù)團隊都是這樣。但是這些工具是如何抓取物體的呢？——提前規(guī)劃好接觸點再盡可能精確地移動到位，這與我們?nèi)祟愂褂秒p手的方式是非常不同的。

柏林工業(yè)大學(xué)的機器人學(xué)家Oliver Brock說：“如果你要從桌子上拿起一樣?xùn)|西，比如筆，你首先接觸到的是桌子。”我們不考慮需要把手指放在哪里。人手比較柔軟，可以做到柔性接觸——手指根據(jù)物體表面情況而發(fā)生變化。麻省理工學(xué)院的機器人學(xué)家Daniela Rus說：“因為人手和物體之間具有較大的接觸面，你可以憑直覺接觸和抓取。因為柔軟的手指，我們改變了抓握的方式。”

許多人正在試圖將柔性引入機器人機械爪中，以發(fā)揮柔性抓取的優(yōu)勢。Brock的實驗室開發(fā)了“RBO Hand 2”——一個有五根硅膠手指的仿人手機械臂。通過壓縮空氣的移動控制這些硅膠手指，讓手指能夠根據(jù)需要彎曲和伸直。

雖然仿人類的手指可能并不適合每一種任務(wù)，但卻是與我們所生活的世界進(jìn)行互動的理想方式。“這個世界是為人手設(shè)計的。”Brock說。不過他的機器人手的擬人化設(shè)計還有另一層考量。“說來尷尬，”他說，“一般人，甚至是機器人學(xué)家，都更喜歡那些看起來像人類的東西。”

柔性的好處已經(jīng)吸引了商界的注意。馬薩諸塞州劍橋市的Soft Robotics公司制造了一種氣動鉗夾，比Brock的研究模型更像爪狀，并已在工廠里試用，用于處理易碎產(chǎn)品，避免發(fā)生損害。

另一家初創(chuàng)公司——馬薩諸塞州薩默維爾的Righthand Robotics正為當(dāng)前流行的機械爪和吸盤裝置添加柔性特征。公司設(shè)計的爪子有三根柔性手指，中間是可伸縮的吸盤。

公司聯(lián)合創(chuàng)始人Lael Odhner說，該設(shè)計的靈感來自于猛禽；這些鳥類大部分前臂肌肉組織都附著在一組直達(dá)爪尖的肌腱上。類似地，Odhner的機械爪馬達(dá)的所有力量都被用于一個單一的閉合動作中。這個簡單的動作犧牲了執(zhí)行精細(xì)運動的能力，但提高了可靠性——對于商業(yè)用途的夾鉗來說這是一個重要的考量。但是，可伸縮吸盤則彌補了其中的不足。Odhner說：“它取代了幾十個精密的致動器，否則你將不得不把它們?nèi)堪惭b在機械手上。”

一手掌控

柔性對于機器人學(xué)來說還是比較新的。Rus說：“這是一個非常強大的概念，但人們才剛剛開始探索它。”

一種常見的批評意見是：一個柔軟的機械手在抓住物體后，很難做出有用的動作。Rus解釋說“你能很好地抓握物體，”但“你不知道手中物體的確切朝向”。這使得操控物體變得棘手。Goldberg對此表示贊同：“一只柔軟、可以包蓋物體的手，實際上降低了手中物體的能見度。”

人類解決這個問題的方式很簡單：觸摸。但很少有機器人被賦予這種能力。“人們一致認(rèn)為賦予機器人觸覺很重要，”Brock說，只是這很難做到。

他正在探索利用兩種方法來賦予他的柔性機械手觸覺。較成熟的方法是將液態(tài)金屬管嵌入包裹在機器人手指周圍的硅膠片中，然后利用金屬管周圍的電阻監(jiān)測所受的力。“測量手指每個部分所受的應(yīng)力，根據(jù)這些數(shù)據(jù)并通過機器學(xué)習(xí)來推斷手指到底發(fā)生了什么變化。”這個小組目前正在評估每個手指上需要多少個應(yīng)力傳感器來測量各種力。

Brock的另一種方法是利用聲學(xué)來獲得觸覺。在概念驗證測試中，研究人員在柔性手指的氣腔內(nèi)放置一個麥克風(fēng)，然后通過收錄的聲音辨別手指的哪一部分接觸到物體、接觸的力量和物體的材料。將麥克風(fēng)深埋入手指內(nèi)，可以避免降低機械手指柔性。Brock說這項工作的細(xì)節(jié)將很快發(fā)表出來，而且他計劃與聲學(xué)專家合作以改善他的設(shè)計。

許多機器人學(xué)家認(rèn)為，不太可能有一個普適的抓握解決方案。Rus指出，即使機器人能達(dá)到人類的靈巧程度， “還有很多東西是人類的手也無法抓取的。”但是隨著機器人抓握能力的不斷提升，越來越多目前由人類執(zhí)行的任務(wù)將通過自動化方式完成。

去年發(fā)表的一份報告估計，大多數(shù)職業(yè)至少可以實現(xiàn)部分自動化。但Goldberg強調(diào)，研究機器人不是為了讓人們失業(yè)。“我的目標(biāo)不是讓機器人取代人類，”他說，“而是讓機器人協(xié)助人類。”

不管結(jié)果如何，我們還需要取得大量研發(fā)進(jìn)步才能真正迎來機器人革命。雖然Leitner團隊去年贏得了亞馬遜機器人挑戰(zhàn)賽，但其機器人手臂在比賽的第一天就摔壞了，而且大多數(shù)團隊也都遭遇了各式各樣的技術(shù)問題。“這些系統(tǒng)還不是非常穩(wěn)健，” Leitner說，“如果你要在亞馬遜倉庫里使用它，我無法保證它實際能工作多久。”

“我仍然處在探索新世界的途中，”Brock說，“還沒有準(zhǔn)備好走到聚光燈下，左右工業(yè)應(yīng)用的發(fā)展。”但是，正如Goldberg所說，“實際應(yīng)用已無阻礙，它已經(jīng)開始發(fā)生了。”