机器人最适合的工作之一是仓库中常见的乏味、重复性最高的「拾取和放置」任务，但即使是在这类任务中，人类的表现仍然要好得多。美国加州大学伯克利分校的研究人员正在通过一对机器学习模型加快步伐，这些模型可以协同工作，让机器人手臂在几毫秒内规划其抓握力和路径。由于机器人没有常识或直觉，它们普遍缺乏能立刻提出一种「显而易见的」解决方案的能力——他们往往需要评估成千上万的潜在路径来拾取和移动物体，这涉及计算所涉及的力、潜在的碰撞、它是否影响应使用的抓地力类型等等。但一旦机器人决定要做什么，它就可以快速执行。因此，加州大学伯克利分校的机器人专家提出了一种解决方案，可将完成该任务所需的时间减少约 99％。（TechCrunch）