98%的情況下機器人抓取都是成功的。訓練機器人如何在不掉落的情況下抓住各種物體，通常需要大量的練習。

不過，加州大學伯克利分校和西門子的研究人員聯(lián)合設計并在即將發(fā)表的論文中描述了一款新型的機器人，它可以通過研究一個3D形狀的數(shù)據(jù)庫來學習如何抓牢新物體。該機器人連接了一個3D傳感器和一個可以深度學習神經(jīng)網(wǎng)絡，研究人員就是通過這兩者來為其提供物體的圖像信息。這些信息包括物體形狀、視覺外觀以及如何抓住它們的物理知識。

因此，當一個新物體放置在機器人面前時，后者只需將物體與數(shù)據(jù)庫中的一個類似對象做相應的匹配。在實際操作中，當機器人有超過50%的自信能夠抓住一個新物體時，98%的情況下都會取得成功。不過要是機器人的自信不足50%，它就會先試探性地抓取這個物體，然后形成一個抓取策略。在這種情況下，機器人有99%成功的機會。所以克服機器人缺乏自信的方法就是做一個快速的小檢查。

這種訓練方法可以減少大量機器學習的時間，并且使機器人變得更加靈活。Jeff Mahler，一位研究這個項目的博士后向麻省理工科技技術評論表示“我們可以在一天內(nèi)為深度神經(jīng)網(wǎng)絡生成足夠的訓練數(shù)據(jù)，從而免去了在一個真正的機器人上運行幾個月物理實驗的麻煩。”目前在工廠中投入使用的機器人對已知物體的抓取已經(jīng)非常精確，但是其面對新物體時仍不能很好的適應。這種訓練策略的效率和機器人握力的可靠性使該方法在未來的商業(yè)應用中能夠很好地發(fā)揮作用。