想象一下，你的指尖有吸盘——除非你正在服用致幻剂，在这种情况下，你不应该这样想。每个抽油是一个不同的大小和灵活性,使一个指尖的理想坚持到一个平面上像纸板一样,另一个更适合圆的像一个球,另一个更好更不规则,像一个花盆。就其本身而言,每个数字可能是有限的,它可以处理的事情。但是在一起，他们可以作为一个团队来操作一系列的物体。
这就是Ambi Robotics公司背后的理念。这家实验室培育的初创公司如今已经摆脱了隐形模式，推出了分拣机器人和运行此类操纵机器的操作系统。该公司的创始人希望让机器人从事任何理性机器都应该害怕的工作:在仓库里捡东西。对人来说轻而易举的东西——抓住任何不太重的物体——实际上是机器人的噩梦。在世界各地的机器人实验室进行了几十年的研究后，这些机器的灵巧程度仍远不及人类。但也许他们需要的是指尖吸盘。
Ambi Robotics起源于加州大学伯克利分校的一个名为Dex-Net的研究项目，该项目模拟了机器人如何抓住普通物体。可以把它看作是计算机科学家构建图像识别人工智能的机器人版本。为了训练机器识别，比如说一只猫，研究人员必须首先建立一个包含大量猫科动物图像的数据库。在每一个实验中，他们会在猫周围画一个盒子来教神经网络:。一旦该网络解析了大量的例子，它就可以“归纳”，自动识别出以前从未见过的新图像中的猫。
Dex-Net的工作原理与此相同，但它是为机器人抓取而设计的。在一个模拟的空间中工作，科学家们创建各种物体的3D模型，然后计算机器人应该触摸每一个物体的位置，以获得“有力的”抓地力。例如，在一个球上，你希望机器人在赤道附近抓住它，而不是试图捏住它的一个极点。这听起来很明显，但机器人需要从零开始学习这些东西。伯克利大学的机器人专家肯•戈德堡说:“在我们的例子中，例子不是图像，而是带有强大抓点的3D物体。”戈德堡是Dex-Net的开发者，也是Ambi Robotics的联合创始人。“然后，当我们把它输入网络时，它产生了类似的效果，它开始推广到新的对象。”即使机器人以前从未见过某个特定的物体，它也可以通过一系列物体的训练来计算如何最好地抓住它。
想想你在小学美术课上做的那个奇形怪状的陶瓷咖啡杯吧。你可能选择了一种荒谬的方式来塑造它，但你很可能记得给它一个手柄。当你把它递给你的父母，他们假装喜欢它时，他们抓住了它的把手——他们已经看到了专业制造的咖啡杯，所以他们已经知道如何握它。Ambi Robotics的机器人操作系统AmbiOS与之前的经验相当，只是针对机器人。
《连线机器人指南》你想知道的一切软，硬，不nmurderous机器人。
由马特·西蒙
Ambi Robotics的联合创始人史蒂芬·麦金利(Stephen McKinley)说:“作为人类，我们能够真正地推断出如何处理这个物体，尽管它不同于以往任何一款杯子。”“系统可以推断出物体的其余部分是什么样子，如果你捡起了那个部分，你可以合理地假设它是一个不错的抓取。”
AmbiOS适用于一系列不同的硬件配置和末端执行器，机器人专家称它们为机器的手。但与人类的手不同的是，它们有各种各样的形状，所以你可以有像空气动力吸盘这样的操纵器，或者被称为平行抓爪的双叉抓爪，工作方式有点像筷子。无论如何，终端执行器将能够从Dex-Net训练中获得先验知识。
Ambi Robotics的研究发现，电子商务仓库中最通用、最高效的末端执行器是吸盘:在他们测试过的包裹中，它能很好地抓住96%的包裹。吸盘可以很容易地在箱子的平面上买到，当然，也可以在用于运输服装的软包装上买到，在业内被称为聚乙烯袋。例如，传统的抓手可以处理剩余的吸力无法抓好多孔表面。你甚至可以将吸盘和双齿夹持器组合在一起，让机器人处理各种各样的物体。
由Ambi Robotics公司提供上图中，你可以看到Ambi Robotics的机器在工作。深度感应相机首先检查一堆物品并分析这些物品。Ambi Robotics的联合创始人杰夫•马勒(Jeff Mahler)说:“这实际上是决定尝试哪种抓取方式，哪种抓取方式会成功。”然后，机器人用吸盘拿起一个物体，并将它举起来供条形码扫描仪扫描。这告诉邻近的一个机架，手臂放置物体的位置，然后把它放在一排其他箱子的位置。
马勒说，对于像电子商务仓库这样的客户，Ambi Robotics公司会设计模块化的硬件系统——手臂、抓手、摄像头和容器——并为机器人创建一个模拟版本进行训练，在随机的形状上尝试不同的抓手。马勒说:“经过这个不到一天的训练过程，机器人就可以像在现实世界中操作多年一样操作了。”“在现实世界中的第一天，它可以处理各种各样的物品，并以从未见过的细微差别进行概括。”
(该公司创始人表示，他们正在与客户合作，但拒绝透露客户的姓名。)
给机器人吸盘状四肢赋予它们人类没有的强大能力。传统上，机器人专家们设计的手型钳子有两个手指而不是五个手指，这是人类版本的复杂性和灵巧性的简化版本。但是仅仅因为人类的指尖不能用吸力捕获物体并不意味着机器人的手。
“在这个意义上，你可以把吸力想象成操纵的‘轮子’，”哥伦比亚大学的机器人学家马泰·西奥卡利(Matei Ciocarlie)说，他没有参与Ambi Robotics公司。换句话说，这是一种有用的设计特征，可以帮助机器在人造环境中以最佳状态工作，但这是进化从未发明的东西。腿更适合在不规则的草地上行走，但在平坦的人造路面上，轮子是机器移动的最佳方式——想想看，一辆汽车在直道上的速度会比哈巴狗快多少。
“这和吸力有点像，”乔卡lie补充道。我们的手进化来操纵自然世界，它们非常擅长这个。“也许当你在树林里觅食，或者向动物扔石头时，吸力并不是最好的操作方式，”他继续说。“但如果你在仓库这样的人造环境中，操纵日常生活中使用的人造物品，吸力是一种奇妙的操控方式。”
由Ambi Robotics公司提供Ambi Robotics并不是唯一一家为仓库机器人提供吸力的公司。波士顿动力公司(Boston Dynamics)刚刚推出了一款名为Stretch的机器人，它可以用吸力钳在仓库的堆垛箱中移动。但Ambi Robotics提供的是一种可以对物体进行更精细操作的机器。
事实上，仓库是机器人领域的一个长期挑战:非结构化环境。几十年来，机器人一直在汽车生产线上工作，例如将车门抬到合适的位置。他们很擅长这项工作，因为它利用了机器人的长处——一致性和肌肉——并避免了机器人的缺点，比如精确的操作和推理。机器人专家认为工厂是一个“结构化”的环境，因为机器不需要分析它的周围环境或四处移动;它只是重复做同样的事情。而且机器人也不能用精细的运动技能来操纵微小的物体。这是彻头彻尾的残忍。
Ambi Robotics的目标是解决一种混合环境，既结构化又非结构化。机器手臂固定在一个地方，这使它有很好的一致性。但箱子里的物品是一团乱，包裹从各个角度倾斜，彼此重叠。就像一个图像识别AI学会了识别一只它从未见过的猫一样，这个系统依赖于它在模拟世界中获得的经验，而不是在现实世界中获得的经验。
戈德堡说:“证明你可以清空垃圾桶是一回事——从某种程度上来说，这很有趣。”但快速而可靠地完成是另一回事。戈德堡说，Ambi Robotics的系统可以以人类两倍的速度完成这种分类工作。他补充说，该公司的产品不是为了取代人类工人，而是为了补充人类工人。戈德堡说:“这只是打包产品的一个渠道。”“在整个过程中，有些步骤需要人工干预。”
尽管这些机器人在操作方面很聪明，但它们不能像人类一样解决问题。它们甚至不能离开笼子。乔卡利说:“我不认为机器人会接管。”“机器人工具。”
然而，迈向自动化的步伐可能是不可避免的。随着机器人在操控和移动方面不断赶上人类，它们将在工作场所扮演更多的角色。例如，亚马逊(Amazon)已经开始雇佣带轮子的小机器人在仓库里四处移动运送包裹。专家表示，至少在不久的将来，问题不在于机器人会偷走多少工作，而在于它们会取代我们的工作。Covid-19大流行期间的经济崩溃已经非常清楚地表明，当人类不能工作时，机器人还远远没有准备好接手这个烂摊子。医院机器人只能运送药品和消毒房间，不能自己拯救生命。无人驾驶汽车是所有机器人中最被炒作的一种，但它还远不能完全靠自己为我们运送包裹。
但是使用吸力手呢?我们会让机器人垄断的，谢谢。
