据国外媒体报道，研究人员最近开发了一种新模型。机器人，此段机器人可以快速抓取任何不规则形状的物体。这个敏捷模型被命名为Dex Net 2.0。机器人本文对虚拟图书馆数据库中的10000个不同特征的三维物体进行了深入研究机器人通过自身的深度学习系统，可以快速预测物体，选择合适的方案抓取各种形状不规则的物体。这一段机器人凭借其优异的功能，可广泛应用于医疗领域和家庭生活中。
这一个机器人它由加州大学伯克利分校的研究人员开发，可以轻松抓取任何不规则形状的物体。
这一段机器人配备了深度学习系统，已经识别了虚拟图书馆数据库中的10，000多个三维物体，当新的物体出现时，机器人可以通过深度学习系统快速识别物体，探索最优抓取方案，准确抓取各种物体。
麻省理工学院的技术人员说，这一段机器人它比以前的任何一个都好。机器人。
通过测试，我们有理由相信这段话。机器人可以成功地拾取任何形状不规则的物体，因为测试数据表明，当机器人一个物体被举起摇晃时不容易摆脱，数据显示其冲击力可高达98%，远超以往任何一个。机器人。
当这一段机器人当确实很难找到相关数据，又拿不出抓取不规则物体的方案时，机器人可以通过触摸物体更好的计算，选择最佳抓取方案。
一次机器人有了触摸预处理，抓取和提起物体的成功率会达到99%以上。
通过与西门子合作公司研究团队的合作展示了Dex Net 2.0。机器人新的学习方法。这一段机器人加入了最新的获取云信息的能力，这也使得机器人的功能有了很大的提高。所以Dex Net 2.0机器人在医疗保健方面很有前途机构并在家庭生活中扮演重要角色。
虽然目前很多研究者都在研究。机器人课堂上通过实际学习来掌握和操纵物体，但结果并不多。这叫做Dex Net 2.0。机器人它实现了自学习的功能，无需练习就能操纵物体。
领导这项研究的加州大学伯克利分校的基诺·基诺戈德堡(Keno KenoGoldberg)教授说:“虽然我们没有做更多的相关实验，但我们坚信我们可以取得更好的结果，这让我们整个团队都非常兴奋。”
与其练习，机器人自己的深度学习系统，机器人通过对10000个三维模拟物体的计算分析，实现了对不规则物体的识别。对这10000个3D模拟物体的研究包括外观、形状以及如何把握它们。
该项目的博士后研究员JeffoMahler博士说:“我们可以在一天左右的时间内为深度神经网络生成足够的训练数据，而不是一个真实的数据。机器人在电脑上运行几个月的物理实验。"
研究人员计划发布他们创建的3D数据集，这个数据集的出现很可能有助于推进。机器人进一步研究。
布朗大学专门研究机器人学习助理教授StefanieoTellex博士一直非常关注这项研究，尽管他没有亲自参与这项研究。他说:“这项研究是一项意义深远的研究，可以加速。机器人学习上的进步，因为收集了大量的机器人计算机数据是一件非常困难的事情。"
这项研究非常令人兴奋，因为它表明一个模拟数据集可以用来训练对模拟物体的抓取，并将这种模式转化为物理。机器人的应用才是真正的成功。控制算法的研究以及机器硬件和学习方法的进步正在成为新一代。机器人为…的发展打下坚实的基础。
这些机器人能够执行更广泛的日常任务，一些敏感的机器人目前，该系统已应用于仓库工作中。
麻省理工学院从事机器人工作中的教授RussoTedrake博士说:“研究团队正在开发更敏感、更有能力的。机器人在这个领域已经取得了很大的进展。"
特德雷克说:“加州大学伯克利分校的研究工作令人印象深刻，因为它不仅保留了机器人传统的学习方法已经融入其中。机器人新的学习方法，而这些学习内容涉及到物体的形状推理。"
灵活的机器人的诞生会带来巨大的经济效益。
现在工厂里已经投入使用的是什么机器人非常准确，但是当他们面对一个不熟悉的物体时，就显得非常笨拙了。虽然亚马逊等等公司在仓库中使用机器人来转移产品，但是机器人个性化的物体不会被选中下单，机器灵巧度的提升可能会带来人工智能的突破。