IAI無塵室規格寬滑塊型電缸CORETEC壓力機
IAI無塵室規格寬滑塊型電缸CORETEC壓力機
IAI無塵室規格寬滑塊型電缸CORETEC壓力機
IAI無塵室規格寬滑塊型電缸CORETEC壓力機
傳統的機器人學研究認為，需要非常清楚要抓取的物體的三維幾何形狀，分析受力位置和力的大小，再反向計算機器手如何一步步移動到這些位置。但這種方式抓取不規則形狀和柔性物體會很困難。例如毛巾，可能需要看成一系列剛體的鏈接，再進行動力學建模分析，但是計算量比較大。而小黃鴨那樣的橡膠，外部并不能看出彈性程度，難以計算出需要施加的正確的力。
Pieter Abbeel、DeepMind和OpenAI關于機器人控制的研究，都以此深度強化學習為基礎。基于強化學習進行機器人抓取，以機器視角看到的圖像為輸入，以機器最終抓到物體為目標，不斷對機器進行訓練，從而在不建模和不做受力分析的情況下，實現對物體的抓取。Pieter Abbeel已經展示過機器人疊毛巾，開瓶蓋，裝玩具等復雜的動作。
不過基于強化學習也仍有很多問題，如效率低、推理過程長、任務難以描述、不能終身學習、不能限度從真實世界獲取信息等。其中一些通過meta學習，one-shot學習，遷移學習，VR示教等方法的引入得到了改善，有些則還暫時難以解決。
