机器人的应用（yòng）越来越普（pǔ）及（jí），特别是在各种工作环境中协助执行（háng）人类无法完成的任务（wù），或者增加人们的工（gōng）作（zuò）效（xiào）率。但机器人还（hái）不是万（wàn）能（néng）：例（lì）如“识别物体（tǐ）并拾取它们（men）”这项工作看（kàn）似简单，对机器人来说却极为（wéi）困（kùn）难（nán）。

麻省（shěng）理工学（xué）院和普（pǔ）林斯顿（dùn）大学的（de）研究人（rén）员（yuán）设（shè）计了一款拥有（yǒu）较高肢（zhī）体灵活性的机器人系（xì）统，识别并抓（zhuā）取物体将不再是（shì）问题（tí）。

portant;" />

现今（jīn），大多数在生（shēng）产在线使用的机器（qì）人都经过（guò）精心校准，以（yǐ）便进行准确的运动。研究（jiū）人员利用（yòng）算法，使机器人从一堆物体中随机抓取一（yī）个物品（pǐn），而该取放系统由一般常见（jiàn）的机械手臂（构造上由机械（xiè）主体、控制器（qì）、伺服机构和传感（gǎn）器所组成（chéng），由（yóu）程序根据作业需求设定（dìng）其一定的指定动作）组成，并配备一个订制的（de）抓手和吸盘。透过深度学习（深度学习是（shì）机器学习的一种方式，让计算机像长了神经网（wǎng）络般，可进行（háng）复杂的运算（suàn），并（bìng）展（zhǎn）现拟人的判断及行为）使（shǐ）机械手臂能（néng）处理（lǐ）任何给定的物品。

该（gāi）系统的（de）多功（gōng）能假肢可（kě）以透过四种不同的（de）方（fāng）式完（wán）成取放的挑战：垂直（zhí）使用（yòng）吸盘、侧面使（shǐ）用吸盘、垂直抓握，以及抓（zhuā）握同时使用其他工具（用于（yú）抓取（qǔ）墙边的（de）物（wù）体）。实验期（qī）间，当机器人拾取物体之后，研究人员会（huì）记录成（chéng）败与否并输入数据，以优化系统拾取各（gè）种类型的（de）物体的过（guò）程。

为了能研发出（chū）自动上下货的机器（qì）人，电商（shāng）巨擘亚马逊连续 3 年（nián）举办“亚马逊机器人挑战赛（Amazon Robotics Challenge）”，向全球（qiú）好手，寻求解（jiě）决方案（àn）。而在2017年的比赛中该系统使用吸力拾取物体的成功率达 54％、抓握（wò）成功率为 75％，并且以 100％的精准度识别了物体。

科（kē）学家（jiā）建议可（kě）以将该系统应用于提升仓储业管理货物的效率、从橱（chú）柜中抓取（qǔ）物品，甚至在事故（gù）发生后挖掘碎片等不同（tóng）场景。因为机器的深度（dù）学习（xí）可以根据任（rèn）何情况调整，因此相关（guān）的潜在（zài）应用非常广泛。

类似的深度学习算法也能用来开发机器的视觉感知系统（tǒng），并（bìng）使用照片库教导机器人识（shí）别现实生活（huó）中的每项物品（pǐn）。