機器人能互相學習？

人類希望機器人幫助做很多工作，比如在倉庫裡包裝物品，幫助長期卧床的病人，或是在前線援助士兵，這些工作機器人目前還不能做，因為他們還是不能輕松地識别和處理常見的物件。Stefanie Tellex，布朗大學的計算機科學教授說，“大部分人能輕松地折疊襪子或拿起水杯，因為我們已經經曆過和“大資料收集過程”類似的童年了。“ 如果要讓機器人做同樣類型的日常任務，他們也需要通路大量資料來掌握抓取和操作對象。這些資料從何而來？通常來說，它來自複雜的編碼。但是，理想的情況下，機器人可以從其他機器人那裡擷取資料。

這就是Tellex的“百萬物件挑戰“背後的理論。“我們的目标是為世界各地的研究機器人學會如何識别和處理簡單的物件比如香蕉，上傳他們的資料到雲中，并允許其他機器人分析和使用這些資訊。”

Tellex 的實驗室在普羅維登斯，羅得島州，有種幼稚園的氣氛。我參觀的那天，一個巴克斯特機器人－工業機器，站在超大的塊狀物中，掃描一個小梳子。它在梳子上方前後移動其右臂，用它的照相機拍照，并且用紅外傳感器測量它的深度。然後，它會嘗試不同的抓取方式，直到找到一種可以可能允許它提起梳子的姿勢。一旦它把物體舉到空氣中，它搖晃那個物體，以確定它的抓取是穩固的。經過了這個程式，機器人學會了多拿起一個物件。

因為許多研究型機器人程式設計使用的标準架構相同，像這樣的項目是可能實作的。一旦一個機器人學會一個任務，它可以把它的資料傳遞給其他機器人，這些機器又可以接着上傳回報，這将幫忙改善這個資料庫。 Tellex 說，關于識别和抓取物件的的資料可以被壓縮到隻有5到10兆，大約僅僅是你音樂庫一首歌的大小。

這種進步似乎現在看似一般，但在未來5到10年，我們可以期待看到“機器人的能力發生爆炸性增長，”Saxena 先生，Brain of Things 初創公司的現任 CEO 說。随着越來越多的研究人員貢獻和完善和雲有關的知識，他說，“機器人應該有他們所需要的資訊近在指邊。”

其他評選的黑科技：

百度的語音識别：

https://segmentfault.com/a/1190000004655...