11月21日消息，骋辞辞驳濒别的母公司础濒辫丑补产别迟正在为机器人注入人工智能，以便它们可以帮助执行诸如将支撑臂借给老人或分类垃圾等任务。
在础濒辫丑补产别迟的齿实验室，当你倒掉了咖啡，将可回收的杯子放在标有“不可回收”的托盘上。错误很快就会被解决。二十分钟后，一个轮动，单臂，胸前高的机器人呼啸而过，检查杯子。它的手臂伸出来，用两个结实的黄色手指将放错地方的杯子移到相邻的标有“可回收”的绿色托盘上。
具有垃圾知识的机器人（名为Everyday Robot的项目的一部分）已经开发了多年，但X实验室才刚开始公开。其中一些机器人在X实验室山景房改建的购物中心内的X员工家二楼使用垃圾站，练习其技能，对垃圾进行分类回收。
具有相同设计的其他机器人在附近的第二个Alphabet大楼工作。垃圾分类不是项目的最终目标。“我们将尝试制造可以生活在我们中间的机器人，并在我们的日常生活中为我们提供帮助”，项目负责人，散乱的铁色头发的汉斯·彼得·布隆德莫（Hans Peter Brondmo）说。这就是该项目的目标，将实验室的科技用于生活。如：命运多舛的智能眼镜Google Glass和飞行风力涡轮机等项目。
选择垃圾分类是一项非常有用的挑战，可以测试项目创建更强大机器人的方法。它使用骋辞辞驳濒的人工智能软件，使机器人可以通过积累经验学习复杂的任务。希望使机器人减少对技能的依赖，并能够快速适应复杂的新任务和环境。
检查放错位置的咖啡杯的机器人使用了这样的系统，该系统经过五个月的经验磨练，数十名机器人每周五天对垃圾进行分类。X实验室表示，它能找出人们约20％的错误分类。机器人可以将其降低到不到4％，从而帮助Alphabet实现了Mountain View市的回收目标。“我们还没有解决整个问题，但是我们取得了足够的进展，我们对自己正在做的事情充满信心。” Brondmo说。
在他讲话时，机器人偶尔会在垃圾站之间的回合中嗡嗡作响，示意进度和极限；每个机器人至少要有一名齿员工陪同，以防万一出问题时按一下机器人脖子上的红色停止按钮。
日常机器人项目起源于混乱的局面。2013年，谷歌高管安迪·鲁宾（Andy Rubin）辞去了领导公司Android移动软件部门的职务，并收购了大量机器人业务。Google收购了一批初创公司，其技术涵盖了从完全人形机器人到工业机器人武器，再到MIT衍生公司Boston Dynamics兴起的有腿的发明。鲁宾从来没有公开阐述过针对机械制造的明确策略。当他在2014年底离开Google时，问题留给了其他人，据报道后来退出是因为对他的性侵犯指控。
叠谤辞苍诲尘辞于2016年加入齿，此前础濒辫丑补产别迟的领导人认为该实验室是其众多脱颖而出的机器人人才和技术的最佳住所。（波士顿动力公司于2017年被出售给日本公司集团软银。）齿的领导层利用骋辞辞驳濒别的剩余机器人创造了多个项目。
由Brondmo领导的Everyday Robot是第一个公开的机器人。该项目的核心位于X大楼的二楼。与X工程师的办公桌混合在一起，位于窗户附近可以俯瞰正在转动的树叶的近30个灰色的主要位置，单臂机器人在各个工作站上工作。每个人站在三个装满垃圾的托盘前，花一天的时间将它们分类到托盘中，以进行回收，堆肥和垃圾填埋。当机器人将所有东西都放到位后，它会抬起每个托盘上的手柄，将分类的垃圾倾倒在下面的垃圾箱中，然后由人类主管将新收集的垃圾分类。
传统上，机器人遵循人类编码人员编写的特定指令。它可以在工厂等受控环境中工作，但协助家庭或办公室人员的机器人面临太多不同的情况，编码人员无法预料并做出回应。谷歌的人工智能小组则研究机器学习（从示例数据中获取技能的算法），并于大约五年前开始将其应用于机器人控制。
现在，齿的机器人为该方法提供了改进版本。每天，他们一遍又一遍地整理垃圾。每天晚上，模拟建筑物中的虚拟机器人（包括齿实验室的两倍）将积累更多的经验。两次努力的结果每晚都会用于调整控制系统的算法。在进行了质量控制检查以避开流氓机器人之后，机队每隔两周就会获得升级的控制系统。
自6月以来，机器人将分类错误的垃圾减少到3.5％。在此过程中，机器人开发出了更可靠的方法来将手指放在杯子和罐头之类的物品上，并找到了将物品摔倒后恢复的能力。
他们的某些技术具有令人惊讶的复杂性。照顾婴儿项目中的机器人有时会通过滑动或搅拌动作来移动物品，使它们更易于查看和抓取。您不必花太多时间在齿的机器人上就知道它们还没有做好日常服务的准备。有时机器人会变得一团糟。
但是它仍在进行中。Justine Rembisz表示：“由于我们还处于开发过程的早期，所以它们并非总是按照我们希望的方式工作。”,“机器人经常会出现令人困惑的症状，”医疗团队的负责人莎拉·科伊（Sarah Coe）谈到附近的围栏上微弱的垃圾堆积时说。所有人最大的困惑是，机器学习X是否真正押宝于机器人的能力，使其能够胜任许多日常任务。“每个人都有相同的直觉，” Pieter Abbeel说，加州大学伯克利分校的教授，初创公司Covariant的联合创始人，他致力于将机器人学习应用于工业和商业环境。“您学会了对垃圾进行分类，现在您可以更快地学习下一件事，也许可以摆桌子了。”
尽管齿和其他公司提出了令人鼓舞的结果，但尚未有人证明直觉是正确的。“没有确凿的证据表明机器人技术中的任务之间能够转移，”阿比耶尔说。“也许人们还没有进行足够大的实验来使它变为现实。”布隆德莫说，努力证明花几个月时间学习分类垃圾将帮助他的机器人学会更快地执行其他任务，这是他的团队2020年的工作重点之一。当被问及之后每天需要多长时间机器人才可以成为有用的帮助者时，他谈到了这样的机器有一天可能如何帮助像他母亲这样的人，他最近才81岁，每天要看护四次。“当我打电话给她时，她要说的第一件事是'机器人什么时候来，'”布隆德莫说，问题很难回答。“我说，'好吧，可能还要再过几年。'”
投诉侵权
