98%的情況下機器人抓取都是成功的。訓練機器人如何在不掉落的情況下抓住各種物體，通常需要大量的練習。

不過(guò)，加州大學(xué)伯克利分校和西門(mén)子的研究人員聯(lián)合設計并在即將發(fā)表的論文中描述了一款新型的機器人，它可以通過(guò)研究一個(gè)3D形狀的數據庫來(lái)學(xué)習如何抓牢新物體。該機器人連接了一個(gè)3D傳感器和一個(gè)可以深度學(xué)習神經(jīng)網(wǎng)絡(luò )，研究人員就是通過(guò)這兩者來(lái)為其提供物體的圖像信息。這些信息包括物體形狀、視覺(jué)外觀(guān)以及如何抓住它們的物理知識。

因此，當一個(gè)新物體放置在機器人面前時(shí)，后者只需將物體與數據庫中的一個(gè)類(lèi)似對象做相應的匹配。在實(shí)際操作中，當機器人有超過(guò)50%的自信能夠抓住一個(gè)新物體時(shí)，98%的情況下都會(huì )取得成功。不過(guò)要是機器人的自信不足50%，它就會(huì )先試探性地抓取這個(gè)物體，然后形成一個(gè)抓取策略。在這種情況下，機器人有99%成功的機會(huì )。所以克服機器人缺乏自信的方法就是做一個(gè)快速的小檢查。

這種訓練方法可以減少大量機器學(xué)習的時(shí)間，并且使機器人變得更加靈活。Jeff Mahler，一位研究這個(gè)項目的博士后向麻省理工科技技術(shù)評論表示“我們可以在一天內為深度神經(jīng)網(wǎng)絡(luò )生成足夠的訓練數據，從而免去了在一個(gè)真正的機器人上運行幾個(gè)月物理實(shí)驗的麻煩。”目前在工廠(chǎng)中投入使用的機器人對已知物體的抓取已經(jīng)非常精確，但是其面對新物體時(shí)仍不能很好的適應。這種訓練策略的效率和機器人握力的可靠性使該方法在未來(lái)的商業(yè)應用中能夠很好地發(fā)揮作用。