机器人胜过好眼睛

当机器人仅仅依赖计算机视觉时，其探寻周遭目标的能力显得捉襟见肘。在卡耐基-梅隆大学机器人研究所的专家们手中，机器人通过整合所有可获得的信息——目标的位置、大小、形状以及动态属性，得以逐步增强对目标的认知与理解。

在卡内基梅隆大学的研究团队中，一种名为HERB（机器人管家）的机器人被赋予了识别目标物体的能力。通过建立目标物体的数字模型和图像，并将这些数据输入机器人的记忆卡中，HERB能够辨识出需要处理的对象。实际上，各行各业的机器人专家都在采用类似的方法，让他们的机器人学会识别物体。随着“机器人终生物体探索计划”的推进，机器人现在能够自主探索目标物体。随着时间的推移和经验的累积，一个名为HerbDisc的视觉系统逐渐完善物体模型，并将焦点放在与机器人目标——即协助人类完成日常任务——最相关的事物上。

机器人搜索物体的能力之强大，有时令研究人员也感到惊讶。私人机器人实验室的负责人、机器人学副教授悉达多·斯里尼瓦莎分享了一个实例：学生们在傍晚离开实验室时，留下了一袋面包和一个菠萝。第二天早上回来时，他们惊讶地发现，机器人管家已经建立了菠萝和面包的数字模型，并已经计算出如何拿起它们。这种情景展示了机器人在物体识别方面的惊人进展。

当机器人的工作领域从家庭扩展到工作场所时，它们需要能够理解成百上千种常见物品的用途。计算机视觉研究人员一直致力于攻克目标识别这一具有挑战性的领域。在充满干扰的环境中仅凭图像来识别物体是一项艰巨的任务。人类探索物体时不仅依赖视觉，还会结合多种感知和领域知识。婴儿会触摸、按压、敲打、浸水和尝试放入口中来探索橡皮鸭。机器人也一样，它们拥有关于环境的丰富知识，并以此来搜索目标。通过不断的学习和进化，这些机器人正在逐步达到甚至超越人类的期望。