这种灵巧性的关键不在于它的机械抓手，而在于它的大脑。该机器人基于名为Dex-Net的软件拾取物体，即使物体非常奇怪，其确定效率也非常高，令人难以置信。
这台新机器人由加州大学伯克利分校教授Ken Goldberg和他的一名研究生Jeff Mahler建造。 Goldberg专注于人工智能，他在由麻省理工科技评论组织的旧金山EmTech Digital展览会上展示了机器人的最新版本。
Goldberg的机器人比以前开发的任何东西都更接近于人类的熟练程度。而具备高灵活性的工业机器人可以在仓库、工厂、医院、家庭场景中找到用武之地。
Dex-Net特别聪明的一点是它学习抓取的能力。该软件尝试在虚拟环境中拾取物品，通过反复试错来训练深度神经网络。即使在模拟中，这也是一项艰巨的任务。但更重要的是，Dex-Net可以将它从之前看到的一个物品推广到新的物品。如果不确定应该如何抓住一个物品，机器人甚至会推动这件物品以更好地观察它。
该系统的最新版本包括一个高分辨率3-D传感器和两个手臂，每个手臂都由不同的神经网络控制。一只手臂配备了传统的机器人手爪，另一只手臂带有吸气系统。机器人的软件扫描一个物体，然后查看两个神经网络，以实时决定特定物体是该抓取还是吸取。
加州大学伯克利分校的研究人员还开发出了一种更好的方法来衡量一个抓取机器人的性能：一种称为“每小时平均抓取数”的度量标准，它是通过将每次抓取的平均时间与一组一致对象的平均成功概率相乘而计算出来的。
新的指标将帮助机器人的研究实验室分享他们的成果。 “我们一直在谈论如何标准化结果，以便观察进步，”Goldberg说， “这一切都取决于你所使用的机器人，你所使用的传感器，以及非常重要的是，你的机器人所抓取的是什么物体。”
人类每小时能够拾取400至600个物品。在最近由亚马逊组织的比赛中，最好的机器人能够做到70到95之间。Goldberg说，新机器每小时可以达到平均200到300个。这项成果将在今年晚些时候在澳大利亚的一次会议上展示。
在演讲中Goldberg补充说，在五年内，他预计机器人每小时的效率将“达到甚至超过人类的平均水平”。
抓取和操纵奇异和陌生的物体是机器人技术的一个基本挑战。例如，在汽车工厂的机器人快速而精确，但无法适应变化或陌生的环境。除了工厂或仓库工作之外，具备更复杂的操作能力的机器人要”“有用"，最近的选项也许是帮助医院、老年护理机构的人们。
最近的机器人技术进展是几项技术同时发展的结果。更小、更安全的机器人越来越多，新的端部夹取机器人已经出现，更重要的是，机器学习方面取得的重大进展。
除了Goldberg在其他几个学术实验室的工作和研究之外，DeepMind和OpenAI等研究人员已经开始探索机器学习如何能够使机器人变得更加智能和更具适应性。机器人技术的进步很可能反馈到人工智能的其他领域，例如感知。
“机器学习对机器人技术产生了前所未有的影响，”曾看过UC Berkeley机器人演示的MIT教授Russ Tedrake说。“让机器人应用到我们机器人技术的大数据中，这有着令人难以置信的价值。”
