我们看过很多关于工业机器人的报道，它们替代人类的岗位，在车间灵活高效的完成各项工作，我们觉得很一点很有趣，想象这样的机器人到底长啥样？可能是下面的样子。

　　它们的手臂关节和我们人类一样，轻松胜任各项工作：

　　然而，现实和理想的差距还是很大的。下面让我们来看看，这个号称史上最灵活的机械臂究竟长啥样。

　　大多数人认为用手去抓取东西是一件非常简单的事情，但事实并非如此。人的一只手有20多个自由度，表面布满的触觉神经，人手的灵活性及对整个身体的重要性，在大脑看来其实是这样的：

　　举个例子：当人看见一个矿泉水瓶时，视觉上的感官和经验告诉我们他是塑料的，我们会下意识的知道它大概多重重心在哪，抓取哪个位置会更合适……这些默会性知识，对人来说可能是自然而然发生的，对机器人却难上加难。首先，它要识别被抓取的物体、选择最优的抓取点、施加合适的力、使物体实现预期的行为……

　　所以从1980年左右，斯坦福大学做出第一个机械臂后到如今将近35年的历史，几个月前全球公认最好的机械臂也只不过如ABB的YuMi那样，双臂协作，可以装配固定的零部件。

　　但是近日，加州大学伯克利分校的研究人员，为YuMi机械臂研发出了一个超强大脑Dex Net 2.0。这个超强大脑让YuMi有了自己的记忆库：系统搭载深度学习网络，已经对虚拟图书馆数据库中超过10000件三维物体进行了识别，并且当新物体出现的时候，机器人可以迅速通过深度学习系统，对物体进行识别，探究得出一种最佳的抓取方案，准确的对各种物体进行抓取。这个装上深度学习大脑的双臂机器人被称作史上最敏捷的机器人。

　　装上大脑的机器人YuMi不再只能抓固定物体，它可以抓取任何形状不规则的物体，实验数据显示，这个成功率可以高达98%。而且，当该款机器人实在难以找到相关数据，不能得出如何抓取形状不规则物体的方案时，机器人会通过触摸物体来更好的进行计算，选取最优的抓取方案。一旦机器人采取了触摸的预处理，那么它抓取并抬高物体的成功率将会达到99%以上。

　　Dex Net 2.0项目的研究人员说：“Dex-Net 2.0的关键开发了结合物理学与深度学习的混合式的机器学习方法。它结合了大量3D对象形状的数据集，基于物理学的抓取力学模型和采样统计生成670万个训练示例，然后使用深度学习网络学习在给定3D传感器云点时快速找到可靠的抓取函数的功能。它训练了很多次可靠的抓取，类似于最近的计算机视觉和语音识别结果。”

　　项目的介绍人员称，Dex-Net 2.0与任何3D相机和平行抓夹具都兼容，他们计划发布“Dex-Net作为一项服务”，用于创建具有自定义3D模型的新数据库，并计算出抓取的鲁棒性指数。

　　虽然大多数人看起来这项功能很简单，但其中艰辛也只有专业人员才懂吧。