平台热线
稀疏编码（sparse coding）在这方面有很大的用处。这是一种无人监管的机器学习算法，通过创建一种用以代表新获取数据的“稀疏字典”（sparse dictionary）来实现。首先机器人通过光谱图表（来自原始的压感图像）自我创建这样的字典作为稀疏编码算法的输入数据。这一算法输出的还是这一字典，但输出的字典由代表***别特性的数据组成。然后当进行了新的抓取尝试时，会有新的数据输入，新输入的原始数据又会通过这一字典来转换成新的***别特性数据，这些***别的数据被称为“稀疏向量”（sparse vectors）。这些稀疏向量会根据引起振动的不同事件（或抓取结果的成功与否）而进行分组。
让一个机器人意识到物体的滑出似乎很容易，因为滑出的过程就会产生一系列的振动。但如何让机器人分辨由于物体滑出发生的振动和由于机器人在另一个表面（如桌面）上拖拽物体而发生的振动呢？我们还不能忘记机器人手臂的运动自身也会产生微小的振动。这三种不同的事件会产生相似的信号，但需要机器人采取不同的行动。识别这些不同的事件就是机器学习的意义所在。
从机器学习的层面上说，CoRo实验室的两个小组有一个方面是相同的：两个小组都不会为机器学习算法加入人工制定的规则。换句话说，由机器人的系统来决定与物体滑出相关的数据（或者预测抓取结果的相关数据，在抓取预测实验小组中），而不是依靠研究者去猜测相关的数据是什么。
了解更多 库卡机器人