霍尼韦尔HONEYWELL@FC-SDO-0824@DI模块霍尼韦尔HONEYWELL@FC-SDO-0824@DI模块霍尼韦尔HONEYWELL@FC-SDO-0824@DI模块霍尼韦尔HONEYWELL@FC-SDO-0824@DI模块目前，公司还没能研发出一款能够像人类一样灵活变通的机器人，但它成功地将一项叫做强化学习（reinforcementlearning）的研究技术，运用到了工业背景下。在实际运用过程中，如果要想让机器人学习，又不希望机器人犯错，是几乎不可能的事情。商用机器人装备，还需要更高的精准性与可靠性。成立于2017年的公司，是由美国加州大学伯克利分校（UCBerkeley）人工智能领域的知名***皮特·阿贝尔（PieterAbbeel）和他的几位学生一起创立的。阿贝尔***是将深度强化学习应用在机器人方面的先驱人物。2010年，他研发了一款能够叠衣服的机器人（尽管速度很慢），并因此在学术圈名声大噪。借助一系列人工智能技术，公司主要在研究如何让机器人抓取不熟悉的物品。其中，就包括强化学习技术，让算法在不断的尝试与失败之中不断提高其可靠性。这有点像动物通过积极反馈与消极反馈来学习的过程。强化学习，近来一直在推动人工智能领域的重大突破。其中，就包括谷歌母公司Alphabet公司旗下的人工智能公司DeepMind研发的超凡博弈算法。这种博弈算法，可以让机器人通过视频图像识别物品的形状，了解在哪里如何去抓取这个物品。然而，强化学习非常复杂，并且需要强大的计算能力。“实际上，我以前一直对强化学习持怀疑态度，但现在我不再怀疑了。”多伦多大学特聘***杰弗里·辛顿（GeoffreyHinton）称。据辛顿***称，要想让强化学习正常工作，其需要的计算能力通常都会让人觉得“望而却步”。因此，能够将之成功投入商用，必然会引起不少人的注目。ASEABROWNBOVERIN1N1-CCJ8ASEABROWNBOVERIXT2LE4160EFF000XXXASEABROWNBOVERIXT2LU4125FFF000XXXASEABROWNBOVERIT7SQ1000XLA3AULASEABROWNBOVERIT7H1200EWAASEABROWNBOVERIT7H1200SW-4ASEABROWNBOVERIT5H600ELU8ASEABROWNBOVERIT5H600ELS4ASEABROWNBOVERIT5H600ELS8ASEABROWNBOVERIXT4LU3250BAABG0XXAASEABROWNBOVERI1SDA053993R1ASEABROWNBOVERIEHDB220M2P-1ASEABROWNBOVERIXT4VU3200BJJ000XXXASEABROWNBOVERIT7LQ1200CLA2AUS0ASEABROWNBOVERIXT4SU4100HFF000XXXASEABROWNBOVERIXT4SU4150HFF000XXXASEABROWNBOVERIT5N400BWA3AUM4S8ASEABROWNBOVERI62M4-CR4B/5PASEABROWNBOVERITS3H225D***S4ASEABROWNBOVERIT7H1200EWVASEABROWNBOVERIXT2VU3100BFFEA0XXXASEABROWNBOVERI91F2-AE12JASEABROWNBOVERI91F2-BE14JASEABROWNBOVERIN1F2-AE14JASEABROWNBOVERI91F2-BE13FASEABROWNBOVERI91F2-AE13JASEABROWNBOVERI91F2-CE13JASEABROWNBOVERIAFN21BX-BB7AASEABROWNBOVERIX1BA3CFB0AFAAAXXASEABROWNBOVERIT5H400TWAS8ASEABROWNBOVERIOETL-ZT80L24DCASEABROWNBOVERIT5H600DWA3AUS8)