机器学习机器人让我们距离未来更近

机器学习+机器人让我们距离未来更近

机器学习和机器人技术的结合是我在 X 工作的兴奋点之一。在非结构化的环境中，为了使得机器人更加有用和可靠，机器学习是非常必要的。正是在这一点上，机器人将真正解决许多先前无法解决的问题。在谷歌 X，的硬件工程师、软件工程师和机器学习能够携手工作，他们可以获得几乎无限的计算资源。这在全世界都是少有的，可以说我们是为机器学习研究而设计的的实验室。

机器人复杂程度实验室工作流程中的填充

机器人复杂程度

实验室工作流程中的填充，洗涤和冲洗管或多孔板也可能是一个乏味的工作，虽然对大多数实验室来说至关重要。

完全和半自动的工作站可以在一天内准备或完成数百个板块的大量工作。工作站通常用于执行固定的任务，例如从样品清洗，冲洗或排空溶液。这些经常要求操作人员在需要时保持空板补充，以保持主动运行。

机器人系统更加复杂，因为它们可以执行流程复杂的任务。这些任务可能涉及夹紧管或排空其内容物或将物体从一个环境移动到另一个环境。

实验室自动化在未来几年将如何变化?

实验室自动化在未来几年将如何变化？

未来的研发实验室只有移动智能机器人而没有人类科学家吗？

麻省理工学院人工智能实验室主任罗德尼·布鲁克斯认为不是。他说“实验室结构已经非常完善，科学家们会在芯片上进行实验，使用微机电系统（MEMS技术），使更复杂的机器能够执行目前大型仪器所完成的不同过程。现在开发的算法将有助于在芯片内进行机器人类型的智能决策。有智慧，有感知算法，有MEMS。所以我们将在实验室里安装这样的微型机器人，而不是好莱坞式机器人。”