机器人的应用越来越普及，特别是在各种工作（zuò）环境中协助执行人类无（wú）法完（wán）成的任务，或（huò）者增加人们的工作效（xiào）率。但机器人还（hái）不是（shì）万能：例如“识别物（wù）体并拾取它们（men）”这（zhè）项工（gōng）作看（kàn）似简单（dān），对机器人来说却极为困难（nán）。

麻省理工学院和普林斯顿大学（xué）的研究人员设计了一款拥（yōng）有较高肢体灵活性的机器人系统，识别并抓取物体将（jiāng）不再是（shì）问题（tí）。

portant;" />

现今，大多数在生产在线（xiàn）使用的机器人都经过精心校准，以便进行准确的运（yùn）动。研究人员利用算法，使机器人从一堆物体中随（suí）机抓取一个（gè）物品，而该取放系统由一（yī）般常见的机械（xiè）手臂（bì）（构造上由机械主体、控制器、伺服（fú）机构和传感（gǎn）器所组成，由程序根据作业需求设定（dìng）其一定（dìng）的指定动作）组成，并配备一个订制的抓（zhuā）手和吸盘。透（tòu）过深度学习（深度学习（xí）是机器学习的一（yī）种方式，让计（jì）算机像长了神经网络般，可进行复杂的（de）运算，并展现（xiàn）拟人的判断及行为）使机械（xiè）手（shǒu）臂能处理任何（hé）给定的物（wù）品。

该（gāi）系统的多（duō）功能假肢可以透过四种（zhǒng）不同的方式完（wán）成取放的挑战：垂直（zhí）使（shǐ）用吸盘（pán）、侧面（miàn）使用吸盘（pán）、垂直抓握，以（yǐ）及抓握同时使用其他工（gōng）具（用于抓取墙边的（de）物体）。实验期间，当机器人拾取物（wù）体之后，研究人员（yuán）会记录成败与否并输（shū）入数据，以优化系统（tǒng）拾（shí）取各（gè）种类型的物体的（de）过程。

为了能研（yán）发出（chū）自（zì）动（dòng）上（shàng）下货的机器人（rén），电商（shāng）巨擘亚（yà）马逊连续 3 年举办“亚马（mǎ）逊机器人（rén）挑战赛（Amazon Robotics Challenge）”，向全（quán）球好手（shǒu），寻（xún）求解决方案。而（ér）在2017年的比赛中（zhōng）该系统使用吸力拾（shí）取（qǔ）物体的成功率达（dá） 54％、抓握成功（gōng）率为 75％，并且以 100％的精准度（dù）识别了物体。

科学家建议可以将该（gāi）系（xì）统应用于提升仓储业管理货物的效率（lǜ）、从（cóng）橱柜中抓（zhuā）取物品，甚至在事故发生后挖掘碎片等不同场景。因为（wéi）机器的深度学习可以（yǐ）根（gēn）据任何（hé）情况调整（zhěng），因（yīn）此相关的潜在应用（yòng）非（fēi）常广泛。

类（lèi）似的（de）深度学（xué）习算法也（yě）能用来开发机器的（de）视觉感知系统，并使用照片库教导（dǎo）机（jī）器人识别现实生活中的每项物（wù）品。