MIT识物机器人秒懂物体过目不忘，不用标记数据！

新智元导读】倒计时七天——突破性的科技成果即将来临！

来源：CSAIL、eurekalert

编辑：大明

想象一下，一个机器人系统能够真正地“读懂”目标，这不是科幻电影中的场景，而是现实世界中即将发生的科技奇迹。近日，MIT团队研发的“密集目标网络”（DON）机器人系统做到了这一点。该系统将目标处理生成三维“视觉路线图”的点集合，让机器人在视觉上真正理解了目标。有了这一系统，科学家们将不再需要像过去的计算机视觉研究那样，对大量数据集中的数据进行繁琐的标记。

一直以来，人类以灵巧著称，而这在很大程度上要归功于我们的眼睛。如今，机器人也正在迎头赶上。经过几十年的发展，用于生产线等受控环境中的机器人已经能够重复地拾起同一个目标。机器人要真正实现类似人类的高效操作，还需要进一步突破。

最近，计算机视觉领域的突破让机器人具备了区分不同目标的能力。MIT的这款DON机器人系统就是其中的佼佼者。它通过生成目标的三维“视觉路线图”，使得机器人在抓取目标时能够更加精准、高效。这意味着，机器人不仅能够在视觉上识别目标，还能够真正地“读懂”目标，这对于提高生产线的效率和智能化水平具有重要意义。

这一科技成果的突破，无疑将为机器人技术带来新的革命。未来，我们将看到更多的机器人应用在各个领域，为人类带来更大的便利和效益。倒计时七天，让我们一起期待这一科技成果的来临吧！近日，麻省理工学院计算机科学与人工智能实验室（CSAIL）的研究人员在机器人技术领域取得了重大突破。他们研发了一种名为“密集对象网络”（DON）的系统，使机器人能够识别并抓取以前未见过的随机目标。这项成果在业界引起了广泛关注。

这项系统的运作依赖于一种新颖的方法：将对象视为点的集合，像一张“视觉路线图”一样使用。这种方法赋予了机器人更高的智能化水平，使其能够更好地理解和抓取目标。更令人兴奋的是，机器人现在能够在大量类似的目标中准确地挑选出特定的目标。亚马逊和沃尔玛等公司的仓库中使用的机器人已经具备类似的技能。

想象一下，研究人员使用kuka机器人抓起一只杯子，这只是DON系统能力的冰山一角。现在，我们可以让机器人执行更高级的任务，比如抓住目标上的特定部位。例如，通过DON系统，机器人能够准确地抓住一只以前从未见过的鞋子的鞋舌头。这意味着机器人已经具备了一定的视觉识别能力和智能判断能力，可以在复杂的任务中表现出更高的自主性。

这一技术的突破对于机器人技术和人工智能领域来说具有重大意义。它不仅提高了机器人的智能化水平，还为我们打开了新的应用领域的大门。随着技术的不断进步，我们可以期待在未来看到更多智能化的机器人在各个领域发挥重要作用。在最新研究中，博士生Lucas Manuelli表示，许多现有的控制系统和识别方法难以识别各种姿态下的目标的特定部分。他与论文的另一位作者Pete Florence以及MIT教授Russ Tedrake共同参与了这项工作。例如，现有的算法难以准确抓取马克杯的杯柄，特别是在马克杯放置方向多变的情况下。该团队正在开发一种新型技术，该技术具有广泛的应用前景，不仅适用于工业制造领域，还能融入家庭生活的各个方面。想象一下，给系统展示一个整洁的房子的图像，让机器人在你工作时自动打扫房间；或者，向机器人展示菜肴的图像，让它在你度假时帮你整理餐桌。所有这些任务都不需要人工标记数据集的帮助。即便是关于如何抓取目标的复杂问题，这一新技术也可以游刃有余地解决细微差别和挑战。其名为“DON抓取算法”，这一算法的创新之处在于其训练过程无需标注数据集。与传统的机器人抓取方法相比，这个系统是自我监督的，不需要任何人工标记的数据。这使得其相较于机器人抓取目标的传统方法具备显著优势，例如基于特定任务的方法很难推广到不同的任务上应用；而通用的抓取算法往往缺乏处理特定任务的精确性。相反地，DON系统通过创建一系列坐标来构建目标的视觉路线图，让机器人更准确地理解需要抓取的目标及其位置。通过这种方式，机器人能够更准确地执行复杂的任务，如抓取马克杯的杯柄等。这种技术的出现无疑将极大地推动机器人技术的发展和应用领域的拓展。该团队的创新训练系统采用了一种独特的视角来处理对象：将其视为一系列在较大坐标系中的点。想象一下，这些点就像拼图碎片，组合在一起展现了物体的三维形态，有点类似于我们用多张照片拼接全景图的方式。经过训练后，系统能够识别并定位指定目标上的任何一点。如果机器人被指示去拍摄一个物体上的特定点，它会通过识别并匹配这一系列点来精确地找到目标。

让我们通过一个生动的演示视频来更直观地了解这一过程。视频中的场景令人印象深刻，不容错过！

值得一提的是，这个先进的系统与我们之前所了解的加州大学伯克利分校的DexNet系统有所不同。DexNet虽然能够抓取各种不同的目标，但无法精确抓取特定目标，就像一个小孩子还不清楚你想要他玩哪个具体玩具时，却能随意抓起多种玩具。而我们的系统则更加精准，就像一个四岁的小孩，能够准确响应“去抓住那辆红色小卡车的车尾”的指令。

在形状对称的毛绒玩具测试中，由DON驱动的Kuka机器人手臂能够从一系列不同的目标位置准确地抓住玩具的右耳。这充分证明了系统在对称物体上区分左右的能力。想象一下，如果一个毛绒玩具的左右两侧几乎完全相同，机器人仍然能够准确地识别并抓取指定的部分，这简直是一项了不起的技能。

更令人兴奋的是，在对不同棒球帽进行的测试中，DON展现出了选择特定目标的能力。即使所有的帽子设计都非常相似，机器人在之前从未在训练数据中见过这些帽子的照片，但它仍然能够准确地识别和抓取目标帽子。这就像是一个从未见过某种新玩具的孩子，却能迅速识别并抓住它，这无疑证明了系统的强大和灵活性。未来，我们的团队有着雄心勃勃的计划，旨在提升系统的能力，使其不仅具备执行一系列复杂任务的能力，更能深入理解任务目标的核心所在。我们渴望让系统学习如何精准捕捉目标，并将其顺利引导至最终位置。这一切的背后，是对系统智能与灵活性的全面升级。

我们倍感骄傲地宣布，团队将在下月于瑞士苏黎世举行的机器人学习会议上，分享我们的最新成果。我们期待与全球的同行们交流心得，共同推动机器人学习领域的发展。在这个舞台上，我们将展示我们的努力与成就，期待得到大家的认可与支持。