據報道，研究人員最近研發出一款新型機器人，該款機器人可以迅速抓取任何不規則形狀的物體。該款被命名為Dex Net 2.0的敏捷機器人，深入的研究了虛擬圖書館數據庫中10000個具備不同特征的三維物體，該機器人通過自身的深度學習系統，可以迅速的對物體進行預判，選擇合適的方案來抓取各種具備不規則形狀的物體。該款機器人憑借其出色的功能可以廣泛的應用在醫療領域，也可以用于家庭生活。

這款機器人是由加州大學伯克利分校的研究人員所開發，它能輕易抓取任何形狀不規則的物體。

該款機器人搭載深度學習系統，已經對虛擬圖書館數據庫中超過10000的三維物體進行了識別，并且當新物體出現的時候，機器人可以迅速通過深度學習系統，對物體進行識別，探究得出一種最佳的抓取方案，準確的對各種物體進行抓取。

麻省理工學院的技術人員表示，該款機器人要優于以往的任何一款機器人。

通過測試，我們有理由相信該款機器人可以成功的拿起任何形狀不規則的物體，因為測試數據顯示，當機器人抓起物體抬高和搖晃時也不會輕易地把物體弄掉，而且數據顯示其沖功率可以高達98%，遠遠超過任何以往的機器人。

而當該款機器人實在難以找到相關數據，不能得出如何抓取形狀不規則物體的方案時，機器人會通過觸摸物體來更好的進行計算，選取最優的抓取方案。

一旦機器人采取了觸摸的預處理，那么它抓取并抬高物體的成功率將會達到99%以上。

通過與西門子公司研究小組的合作，展示了Dex Net 2.0機器人新的學習方法。該款機器人加入了最新的獲取云信息的能力，而這也使得機器人的功能得到了大幅提升。因此Dex Net 2.0機器人非常有希望在醫療機構和家庭生活中發揮重要作用。

盡管目前許多研究人員正在研究機器人通過實踐學習來掌握和操縱物體的課堂，但是所取得的成果卻并不多。這款被稱作Dex Net 2.0的機器人，實現了自我學習的功能，而且不需要練習，就可以操控物體。

領導這項研究工作的加州大學伯克利分校肯·戈德堡(KenoGoldberg)教授表示說:"雖然我們沒有做更多的相關試驗，但是我們堅信我們可以取得更好的效果，而這也使得我們整個團隊都非常興奮。"

代替練習的是機器人自身的深度學習系統，機器人通過對10000個3D模擬物體進行計算和分析，來實現對于不規則物體的識別，對這10000個3D模擬物體的研究包括物體的外觀、形狀以及如何抓取等內容。

該項目的博士后研究員杰夫馬勒(JeffoMahler)博士表示說:"我們可以在一天左右的時間內為深層神經網絡生成足夠的訓練數據，而不是在一個真正的機器人上運行數月的物理試驗。"

研究人員計劃公布他們創建的3D數據集，而這個數據集的面世很可能有助于推進機器人更進一步的研究。

布朗大學專攻機器人學習的助理教授斯蒂芬妮o泰勒克斯(StefanieoTellex)博士，雖然沒有親自參與這項研究，但是一直對這項研究非常關注，他表示:"這項研究是一件具有深遠意義的研究，它可以加速機器人學習方面的進步，因為收集大量的機器人計算機數據是一件非常困難的事情。"

這項研究是十分令人興奮的，因為它表明一個模擬數據集可以用來訓練模擬物體的抓取，而將這種模式轉化為物理機器人的應用才算是真正的成功。控制算法的研究以及機器硬件和學習方法的進步正在為新一代機器人的發展奠定堅實的基礎。

這些機器人能夠執行更大范圍的日常任務，某些靈敏的機器人目前已經被應用于倉庫中的工作。

麻省理工學院從事機器人工作的教授拉斯o特德雷克(RussoTedrake)博士表示說:"研究小組在研制更加靈敏、能力更強的機器人方面取得了長足的進步。"

特德雷克表示說:"加州大學伯克利分校的研究工作是令人印象深刻的，因為它既保留了機器人傳統的學習方法，又融入了機器人新的學習方法，而這些學習內容涉及到對象的形狀推理方面內容。"

敏捷機器人的誕生將會帶來巨大的經濟效益。

如今在工廠里已經投入使用的機器人是十分精確的，但是當它們面對一個不熟悉的物體時，卻顯得十分笨拙。雖然亞馬遜等公司在倉庫里使用機器人來移動產品，但機器人不會為訂單挑選個性化的對象，機器靈巧性的提高可能帶來人工智能的突破性進步。

人類手工的靈巧運用在人類智力的發展上起到了至關重要的作用，這也使得人類擁有了更加清晰的視覺，同時也增加了人類大腦的力量，因此人類也具備了更有效地操縱對象的能力，而這也可以在人工智能的發展中發揮借鑒作用。