中国人自古就有喜欢在手上把玩东西的习惯，有的人玩球，有的人玩核桃，有的人盘珠串。这其中玩核桃又叫“文玩核桃”。 每位玩家在购买文玩核桃的时候，都在想象着，这对核桃在自己的手里，多久能上色，多久能包浆，包浆之后如何精美，如何可以在人前炫耀。但并不是每个人都有耐心把核桃盘成理想中的模样，大部分的人盘着盘着就不盘了，这实在是对耐心的一个巨大考验。

如今“盘核桃”这一难题也被人工智能攻克了！

近日，伯克利机器手学会了「盘核桃」



伯克利人工智能实验室近日发布了一篇新博客，解决了机器人利用多根手指进行灵巧操作这一挑战。要想机械手指灵活运动并不容易，它需要精确平衡的接触力，反复断开并重新建立接触，还要保持对未接触物体的控制。



在演示视频中，机械手能够自如地转动阀门、用铅笔书写数字、以及用手掌转动两个保定球。在物理硬件上成功地转动保定球并不简单，这不仅需要丰富的现实交互数据以供学习，还需要在避免掉球的同时，保证完成精确协调的发力动作。

机械手只用4个小时的数据就学会了专动保定球，实验表明，该研究所提出的带有深度动力学模型（PDDM）的方法可以改进学习动态模型。相信随着技术的发展，未来机器人编头发、扣纽扣、系鞋带也不在话下。

而在此前，据国外媒体报道，由马斯克创办的非盈利性人工智能组织Open AI展示了一项新的研究成果：让机械手像人手一样精准地操纵物体。

这套AI系统名叫Dactyl，它不仅能像人类一样持握和操纵物体，而且还能根据人工智能技术自行开发不同的动作和行为。比如，就像图中的正方体，它可以在没有人指挥手指用力方向的情况下，把正方体转到指定的方向，它收到的指令也仅仅是木块的朝向 (I在前，E在左，N在上) 而已。

只不过，它的动作并不像人类盘核桃那样一气呵成，可以明显看出每个动作之间都略有迟钝。

那么，这支机械手是如何学习的呢？

首先，研发者们会教导机械手按照指令，将六面立方体中的正确颜色翻转出来；



然后开始改变周围环境的灯光，以及立方体的颜色、重量和纹理等；



甚至还会改变训练过程中的重力环境因素。



这种虚拟环境的训练模式不会耗费现实世界的时间。目前Dactyl已积累了大约100年的训练经验，但这个过程只相当于现实世界中的50小时。

也就是说，一个人需要花100年积累的经验，机械手两天时间就能全部学习完成。经过神经网络训练的过程机械手，也自学了许多不同的分解动作。比如下图，用两个手指轻轻夹住方块，再用其他手指拨一拨，方块就转起来了。



再比如，推着方块在掌心滑动 (Sliding) 。还有，底面用不离开手心，但方块依然水平转动 (Finger Gaiting) ，堪称盘核桃的核心技巧。



这些技能，Dactyl都是在模拟器里学会的。更厉害我的是，它能顺利地把技能迁到现实世界，即使是除了方块以外的其他物体，也能对其作出改变。



不过，研发这种AI的技术成本可是非常高的。按照Open AI给出的数据，Dactyl 的训练设备动用了约 6144 颗 CPU，以及 8 颗来自 Nvidia 的 V100 GPU，而这种规模的基础硬件只有很少数的研究机构才能够使用。

五指机械手的前身：二指夹具

就像智能手机一样，任何科技产品都有更新迭代的过程。Dactyl也不例外，别看它现在有五根手指，但在最初，它只有2根手指。



不止Open AI，很多组织在最初研制机械手时，都会先把二指夹具作为自己的初始目标，因为它控制相对简单，成本相对低廉，对于那些靠抓住、放开就能解决的问题来说，二指机械臂的确是个好选择。



在斯坦福某试验室中，这个能抓锤子的二指机械臂也是如此。



由此可见，人工智能正在从根本上改变我们的社会、经济和日常生活。通过这样做，它为我们如何共同生活和工作创造了一些令人兴奋的机会。例如，盘核桃，未来文玩核桃的爱好者如果盘着盘着没有耐心盘下去的时候，完全可以把这项工作交给人工智能来解决。

最后，祝每一位盘友，都能盘出5年以上的好核桃！