智东西7月10日消息，近日，加州大学伯克利分校（University of California, Berkeley）的研究人员正在设计一些机器人难以操控的物体，以提高计算机视觉算法处理对抗图像的性能，加强机器人抓取物体的能力。异形飞行物

　　近几年来，许多研究人员对对抗图像进行了大量研究，这些图片被进行了微妙的修改，让计算机视觉算法都难以准确地识别出正确图像。

　　例如，谷歌大脑（Google Brain）的研究人员曾通过开发一种让计算机和人类都难以判断的对抗图像，以确认这项能够欺骗人工神经网络的技术，是否也能欺骗人们大脑内部的生物神经网络。异形飞行物

　　因为“对抗性”的本质是一种人为的恶劣条件，如果计算机算法能够处理这些对抗图像，就意味着这些算法能够处理其他大多数棘手的事情。

　　最近，加州大学伯克利分校的研究人员，将对抗图像训练计算机视觉算法的这一概念扩展到了机器人的抓取能力中。

　　这些对抗物体的关键点在于，它们只是看起来容易抓，异形飞行物异形飞行物但对于两指（平行颚）抓取工具来说，却很难抓取。

　　例如，研究人员将一个正方体的三个平面都设计成一个浅金字塔形状，其中最小的金字塔只有10度的斜率，并且每个金字塔对面的一侧使一个规则的平面。

　　这样的设计导致该正方体上没有直接相对的平面，如果机器人的两指抓取工具试图夹住倾斜的表面，那么机器人施加的力会导致物体扭曲并滑落，异形飞行物从而抓取失败。

　　研究人员针对立方八面体（有八个三角形面和六个正方形面的多边形），在模拟设计中随机调整该立方体的顶点，使它得到一个没有直接相对表面的顶点。

　　研究人员进行这项研究的目的不仅仅是为了挫败机器人糟糕的抓取算法，异形飞行物而是为了开发工具，帮助机器人提高抓取物体的能力，并希望它们能可靠地在现实世界中工作。

　　但由于研究人员设计的对抗立方体和真实立方体之间的差异很小，难以被3D传感器捕捉到，因此大多数机器人系统会将抓取任务判断得很容易，结果却以立方体扭曲并脱离机器人的控制而失败。

　　当研究人员在真实世界中进行初步测试时，会尝试用两个部件套在手指形成的两边平行的夹钳去夹取这个“对抗性”物体。

　　在每一种测试情况中，机器人系统在计算抓取成功率时都预测会成功，然而对抗立方体和立方十面体的实际成功率仅为13%。

　　研究人员表示，他们将计划用不同类型的抓取工具和吸力抓具来测试这些物体，试图找到更具对抗性的对抗物体。

　　加州大学伯克利分校的研究人员利用对抗物体，来帮助计算机视觉算法提高性能的这项研究虽然还未成熟，但也为研究人员进一步加强机器人抓取能力的方式提供了有意义的参考。异形飞行物

　　在未来，如果机器人能真正完美解决对抗物体的抓取问题，也许能更好地应用到人们的社会生活和生产的真正实践中，给人们带来更多的便利。异形飞行物