机器人抓取的三大核心技术，如此高科技却只是低层次模仿
从AlphaGo4:1战胜李世石到Master60胜横扫人类各路高手，称霸围棋界，再到百度机器人与人类超级大脑的人机大战。纵观这些人机大战，机器人都是战胜了人类，我们不禁会担忧机器人与人工智能真的会碾压人类，最终取代我们人类，成为地球新的霸主吗？
其实，经过仔细思考我们会发现这些人工智能与人类的比拼其实比的都是算法，如果把我们人类的大脑也比喻成CPU的话，那么这些大战其实最终比的是CPU的运行速度以及CPU的容量。那么机器人仅仅有个超级大脑就能取代人类吗？答案是否定的。其实，机器人的运算能力仅仅是一个方面，机器人想要达到人类的高度还有很长的路要走，比如对于我们人类来说很简单的一件事——手抓物体。
对于人类来说，用手抓取物体是一件很简单而又平常的事情。但如果仔细推敲，这一过程其实要依靠我们大脑中非常复杂的网络来完成。人一个手就有20多个自由度，表面布满了触觉传感器。大脑其实消耗了很多能量在监控和控制着你的手。人类大脑会自动计算出怎样握持杯子最稳，它连每个指头该放的地方都规定的清清楚楚。
抓取某个物体听起来简单，人类甚至不用思考就能轻松完成，但对于机器人来说这一动作却非常微妙且难以捉摸。机器进入我们生活已经几个世纪了，但它们能做的工作较为有限。它们都被安置在固定地点，重复的做着各种机械的任务。不过，一旦出了工厂，在一些非结构化的环境中，如乱糟糟的房间和繁忙的仓库，机器就会变得束手无策。
关于机器人抓取物品主要需要解决以下几个问题：
通常的做法是：单相机+物体识别技术，用通俗的说法，就是用一个（一般是装在头部）的摄像头识别目标物体（或图案），在已知目标物体的几何信息的情况下，可以推算物体的位置。而在工厂中，如果物料的位置是固定的，比如从传送带送料过来，每次机械手都从同一位置取料，这是最简单的抓取，用到最多的方法就是给机器人输入物体所在的固定位置坐标，这对于工厂中基本可以满足要求，但是，面对复杂环境中或突发情况时那么这个方法显然无法完成任务。
对于机器人来说要做的工作主要是：首先是规划路径，简单来说，就是确定机器人如何抬起手臂比较合理，对简单的机械臂来说，求解很简单，对多自由度的来说，这个里面有个运动学逆解的问题。接下来就是按照规划运动，对于绝大多数系统来说，这个过程在轨迹层面是开环的，没有反馈，因为机器人关节内的闭环通常有足够的经度。
机器人抓取物体中核心两个问题：什么时候开始合拢手指以及应该使用多大劲来抓取物体。一般情况下会让机器人手掌张开，垂直的深入要抓取的位置，这个时候，视觉系统通常会被手掌遮挡无法看到高精度的情况，所以有些系统会使用接近开关或者测距传感器来辅助定位。当机器人手完全深入后，就可以合拢手指，抓取物体，对简单任务来说，合拢的程度可以是固定的；对拿鸡蛋这样的问题，通常我们是使用手指上的压力传感器来做力反馈的。
关于机器人抓取物体一个重要研究方向就是高度仿照人类的手指，进而达到像人类一样进行抓取物体。想要拥有人手一样的敏捷度，机器人还有许多机械和计算问题需要克服。人手非常复杂，它们是细胞级的精准进化产物，我们现在的工作只是低水平的模仿而已。