越來越多的訓練開始讓機器人擁有像人一樣的“物理直覺”，這能幫助我們完成更多從前做不到的事情。看到地上的東西撿起來，再把它扔進箱子裡，這樣簡單的動作想必連三四歲的小孩也能很快掌握。可你知道嗎，對於機器人來說，為了達到如此完整而連貫的動作，科學家們耗費了數十年的時間，至今仍在繼續努力。

最近，由Google AI 團隊、哥倫比亞大學、麻省理工學院、普林斯頓大學研究人員聯手宣布製作出了一台投擲機器人TossingBot，它嘗試再現的就是前面說到的如此“簡單”的動作，它究竟有哪些特別的地方？

機器人能拾取物體現在看來並不稀奇，在工業機器人領域，很多工廠的自動化操作都由能拾取物體的機器人來完成，一些動作精巧的機器人甚至能夠為你打開瓶子，舉杯倒酒，也許你也曾在抖音、微博這樣的平台看到過它們。

抓取+放置並不罕見，但要說抓取+拋擲的動作，對於機器人來說難度就大得多。原因很好理解，和抓取東西並放置這種穩妥的動作不同，抓取物體然後以拋物線的方式扔出需要提前做出預測，人的大腦往往會對不同物體做出提前感知，通過不同的力度、拋擲角度來達到把物體扔進指定位置的目標，但這種“物理直覺”對於機器人來說卻很難。

為了訓練這種全新的動作形式，谷歌以及眾多大學科學家一起，嘗試讓TossingBot 通過自我監督機制不斷調整自身抓取、投擲方式。TossingBot 本身配備了能夠感知環境的攝像頭，因此會確定物體和目標點之間的位置，而作為核心的拋擲動作，則通過機器學習的方式進行訓練。

TossingBot 是通過端到端神經網絡聯合學習方式來掌握投擲技巧，這個神經網絡會通過不斷抓取物體來估測在拋擲時的具體情況，從而不斷矯正拋擲精度，所以從起初只能偶爾投進，到最後達到85% 的投擲精準度，全程抓取訓練了10000 次，耗時只用了14 小時時間，相比人類來說效率高了不少。

當然，只讓它拋擲倒準確位置還不夠，科學家們還嘗試在物品欄中加入各種不規則物體，考慮到實際生活當中不規則物體很多，讓機器人掌握這種技巧自然會在未來更具使用價值。通過放置諸如假香蕉、乒乓球、馬克筆這樣的物品，TossingBot 逐漸掌握到這些物品的深層特徵，由此判斷採用何種角度以及力度來拋擲物品。

通過加入不同環境和物品條件，TossingBot 才有瞭如今這樣比我們人類還要準確的投擲率，這讓我想起了前一段時間極客之選曾介紹過的豐田開發的投籃機器人，在拋擲得分這個環節，這兩個機器人似乎有著異曲同工之處。

不過就目前來說，TossingBot 依然有自己的缺陷，比如它不能像人一樣感知不同物體的軟硬程度，所以容易捏碎一些易碎品，科學家們也在嘗試讓其擁有更智能的物體識別和抓取，從而提升投擲精確度，但也許有一天，這種機器人會出現在垃圾分類整理或者工廠生產車間也說不定呢。