如今，人工智慧已經可以輕鬆處理複雜的認知工作如協助法律和醫療研究，但對機器人來說，撿起地上掉落的衣服依然是天方夜譚。伯克利、康奈爾等大學和亞馬遜、豐田等公司都在不斷努力，試圖讓機械手擁有人手一樣的敏捷度。
如果某一天有人能取得成功，無疑將引發新一輪的機器人革命，這些靈巧的機器將進一步釋放社會生產力。
誠然，機器進入我們生活已經幾個世紀了，但它們能做的工作較為有限。“它們都被安置在固定地點，重複的做著各種機械的任務。”Goldberg 說道。不過，一旦出了工廠，在一些非結構化的環境中，如亂糟糟的房間和繁忙的倉庫，機器就會變得束手無策。
抓住竅門
“抓取某個物體聽起來簡單，人類甚至不用思考就能輕鬆完成，但對於機器人來說這一動作卻非常微妙且難以捉摸。”Goldberg 說道。但如果仔細推敲，這一過程其實要依靠我們大腦中非常複雜的網路來完成。就拿端起馬克杯來說，人類大腦會自動計算出怎樣握持杯子最穩，它連每個指頭該放的地方都規定的清清楚楚。
人類通過進化，大腦已經有了自己高度定制的處理慣例。“雖然桌子上放的鋼筆我從來沒見過，但我知道自己能輕鬆把它拿起來。”Goldberg 說道。“在拿取鋼筆的過程中，大腦重拾此前類似的體驗，並將處理方法回傳給雙手。”現在，Goldberg 正與自己的學生教機器人學習這個小竅門。為此他們專門搭建了一個名為 Dexterity Network（敏捷網路）的網路資料庫，這裡存了約一萬個 3D 虛擬物品，未來資料庫存放虛擬物品的規模可能還會逐步擴展至百萬級。
去年 9 月份我參觀 Goldberg 的實驗室時，他在我面前擺了許多奇形怪狀的 3D 列印模型。Goldberg 讓我試著拿起其中一個，但我發現這些東西根本沒有可以握住的把手，於是第一次某個模型從我手中滑落了。Goldberg 稱這種形狀為敵對形狀，他認為如果自家資料庫能搞定這些形狀的物體，機器手敏捷度就能比人手還棒。
為此，Dex－Net 資料庫專門開發了一個演算法，對資料庫中的每個虛擬物體，都會嘗試通過 1000 種不同的方式抓取 1000 次。三個月後，我再次造訪實驗室，在這裡我見到了 Goldberg 的得意門生 Jeff Mahler，他現在負責運營資料庫，而且已經完成了工業機器人 YuMi 與資料庫的連接。“工業機器人擅長做重複工作，但在環境不斷變換的情況下，機器人需要不斷適應自己感受到的新環境，這是個巨大的挑戰。”Goldberg 說道。
借助 Alexa，Mahler 讓機器人把那些奇怪的 3D 列印模型放在盒子裡。機械手觸碰到那個給了我下馬威的物品後，也手滑了。不過，錯誤也能產生新經驗，如果能弄上百台一起測試的話，就能找到抓取這個物品的竅門，一台機器人學會了，聯網的所有機器人就都學會了。
亞馬遜在機器人研發上也有自己的一套。2015 年，電商巨頭推出了亞馬遜機器人競賽項目，獲勝的機器人未來可能會進入裝運中心服役，徹底替代人類工人。2016 年，該比賽的獲勝者是來自荷蘭的代爾夫特大學，他們的機器人從大包中取出了 12 件貨物並分別將它們放在了不同的箱子中。在抓取表面平滑的貨物時，機器人用到了吸盤，其他的則採用機器爪。整個過程雖然很精確，但速度實在太慢了。
伯克利大學還沒參與到亞馬遜的競賽中來，不過今年它們將參加歷史悠久的家政機器人大賽。在比賽中，機器人要完成吸塵、送飯或打掃房間的任務。不過，參賽機器人限制較多，各家團隊只能用豐田的人類支援機器人或軟銀可愛的小辣椒 Pepper。
那麼家政機器人吸引力到底如何呢？“如果花 2000 美元就能讓家裡整潔如新，我會毫不猶豫買一台的。”Goldberg 預測道。此類機器人不但能對付亂扔東西的熊孩子，還能幫助殘疾人或老人做家務，未來它們可能還會承擔外出購物的任務。
雷鋒網注意到，一家名為 Seven Dreamers 的公司已經做出了疊衣機器人 Laundroid，經過多年研發，這款產品今年 3 月就將正式上市，不過它動作非常緩慢，而且只會做疊衣服一個動作。