机器人早已在工业流水线尤其是制造业上得到了广泛的应用，比如手机制造、汽车组装等。在最初的应用中，机器人的设计被固定在某一项任务当中，打眼就是打眼，安螺丝就是安螺丝。在这个时期，工业机器人实质上是替代了简单的组装工作，并且只适应设计好的特定环节，基本没有任何延展性。
　　而在人工智能时代，加入了机器视觉之后，机器人的应用范围逐渐一下子被扩大了许多。更多的行业被涉足并发生了质的革新，比如物流的智能分拣。

　　目前来说，对机器人进行视觉训练，应用在工业当中的基本任务就是：认识某物。也就是说，通过对机器的训练，使其能够分辨出哪一样是自己的工作对象。而这也是机器视觉学习的最简单而有效的应用。
　　但工业应用场景并不仅仅只有识别。比如对仓储物品的抓取和分类，或者很多并不是固定物品的应用场景，这就会导致机器既有的学习内容用不上。那么，不认识这个东西，机器就不知道该如何处理，在做一些抓取搬运工作的时候就难免会出岔子。
　　从这个角度上来说，以后对工业机器人的要求，将不满足于局限于既有的学习内容，同样还要有自主的学习能力。也就是说，在机器人碰到陌生的物体的时候，能够自主地判断该怎么去处理。
AI绘制三维图形，判断最佳抓取姿势
　　有人觉得，培养机器人的迁移学习能力不就好了吗？比如记住一些物体的具体特征，人工智能既然能分辨出什么是人、什么是大猩猩、什么是猫狗，那么只要训练到位，机器人同样也能对其他陌生的物体做出分辨。
　　但很可惜这样想可能有点不切实际。比如让机器人去把仓库里乱七八糟的东西给归置整齐了，里面可能有大电视机，也可能有小面包机，它怎么分类？它该怎么拿？所以，很显然用认识同一类物体的方法是不适用于这样的场景当中的。
　　那么，为了让机器人什么都能拿，麻省理工的研究人员们动了点心思。

　　研究人员设计了这样一个系统：面对自己不熟悉的物体，机器人能够快速地对其进行估算，然后做出最适合的抓取和细节处理决策。该系统被称为DON(Dense Object Nets，密集物体联网），通过神经网络的学习，机器人可以产生一个视觉路线图，对物体进行一个约莫20分钟的视觉检查。
　　在此基础上，机器人会从多个角度来确定物体的点，然后把所有的点形成一个整体坐标系统。把这些点联系到一起之后，就可以绘制出物体的三维立体图。值得注意的是，在绘制三维立体图的过程中，机器完全不需要人的干预，因此这种学习方式又被称为自我监督式学习。
　　这样的学习过程其实是和人类有很大的相似之处。我们看到暖瓶知道要握把才能提起，该系统的目的也是训练机器人的这种能力。只不过在目前的实验中，三维立体图形绘制出来之后，还需要研究人员在电脑上给出指定的位置，以告诉机器人从哪里下手。
在实验中，机器人成功抓起了一只鞋子和杯子。

　　其实对机器人进行不同环境、物体的抓取训练思路，麻省理工并不是第一个。2016国内一家科技公司就研发出了首套基于3D视觉定位系统的机器人，可以达到每秒1200万点的快速扫描，从而建立一个物体的3D模型。再经过一系列的智能分析，可以判断出物体当时的摆放姿态，从而完成一套抓取动作。
　　可以预见的是，今后也将有越来越多的关于基于3D立体判断的工业机器人解决方案出现。让机器人从简单的识别固定唯一的物体到自如地适应不同物体抓取，也将成为工业机器人领域中不可忽视的重要技术。

抓得稳又抓得准，人类的双手该歇歇了
　　目前来说，该技术的最大问题在于建模所需的时间还比较长，远远无法满足即时的工业应用需求。
　　上文介绍的麻省理工的研究，其要实现对物体的三维图像描绘需要大概二十分钟的时间。但在做个搬运工的时候，比如说清理房间，很可能会遇到非常多的不认识的物品。对这种机器人来说，每个物品都需要重新认识一遍。认识一个花二十分钟，搬运一下一分钟，那得了，整个时间就都消耗在这上面了。

　　而工业最讲究的就是效率，如果能通过提升芯片计算速度、优化算法的方法令机器人快速建模并实现实时自主抓取，无疑是最成熟。当然，这对机器而言存在的困难还是很大。毕竟人类的神经元有1000亿个，其形成的人类大脑反应恐怕机器在很长的一段时间内都很难企及。
　　如果机器人能实现抓取的即时反应、利用视觉判断物体材料和表面光滑度控制好抓取力度等，其在无论是工业场景、消费场景还是其他场景等都将充满广阔的想象力。
　　搬家机器人。以前搬家，打几个包袱弄辆推车，找几个邻居帮忙就可以搞定。而现在随着家居用品的日益增加，搬家成为了一件巨麻烦的事情。很多人都会叫搬家公司来帮忙。实质上这就是在购买劳动。搬家贵，主要就是人力成本太高。当机器人搬运东西的时候可以做到举重若轻，搬家工人或许将逐渐被取代。干活快、不发牢骚、不用发工资、购买一次可以长期重复使用，对搬家公司而言，利用搬家机器人可谓一劳永逸。成本降低之后，相应地搬家公司的收益会提高，而分摊到消费者身上的成本也会大大降低。
　　优化机器人无序抓取。在工业场景下，尤其是物流领域，很多物品的摆放都是散乱而无序的。传统的机器人只是分拣符合自身程序设定标准的物件，最终仍然需要人工来对这些货物进行码垛等操作。当机器人可以实现对物品的三维扫描绘制，就可以将抓取过程更加智能化，以前由两个机器人做的事情现在一个就可以完成；以前由人工操作的码垛任务，最终也可以由机器完成。减少机器人配置和节省人力这两方面，都将会得到优化。
　　清理事故现场和救灾。严重的交通事故、工厂的意外爆炸、自然灾害或者其他会产生大量分解物体的事故现场，清理是一件非常麻烦的事情。尤其是在一些危险隐患尚未解除的时候，灵巧的机器人双手可以代替人类作许多事情。而在地震等自然灾害之后，机器人可以代替人类深入现场做一些危险情况排除工作，甚至可以直接参与救人行动。

　　机器人抓取一直都是机器人研究领域的一个热点问题，这也正从一个侧面了解决这个问题对整个机器人技术革新的重要意义。当机器人在未来拥有了一双和人类一样灵巧的双手的时候，可能也就意味着，人类的双手将在更多的场景中得到彻底的解放。
　　而DON看起来，则很可能成为将在这场解放运动中发挥重要作用。