纽约客封面故事：欢迎来到「黑暗工厂」，这里是由机器统治的世界(6)

在机器人领域，「操控」这个词出现的频次很高。即使在高度自动化的工厂中，像装箱打包，或者将细小部件组装在一起这样的工作还是由人类完成的。目前，即便是最灵敏的机器人在想要抓起曾经没有见过的物体时，成功率也只能达到 90%，而这个程度在工业场景下还远远不够。
教机器学会随机分类不规则物体很难，如果可以解决这个难题，会有很大的作用。Tellex 希望机器人可以换尿布和准备晚餐。在协作机器人主题课堂里，一个学生建议教机器人做沙拉。「这太难了，而且也不会很经济。」他的教学助手 Josh Roy 说。「我们开玩笑说，可以让机器人做一份 3000 美元的沙拉。」
对于所有任务来说，机器人的工作有一个共同的难点，那就是要设计一个像手一样的「末端执行器（end effector）」，可以帮助机器人以不同的力道，抓取各种形状、大小和质地的物体。与这个难点相比，更复杂的问题在于教会机器人感知不同物体，以便他们分析自己应该做什么，这也是 Tellex 遇到的问题。
Winnie 的设计者是 Tellex 的一个一年级博士生 Rebecca Pankow，她有着明亮的棕色眼睛和酒窝。「它不是很精致，」Pankow 说，Winnie 在一旁撕拉着花瓣。「它更偏向于一个概念证明。」她接着说，「我选择这个项目是因为我觉得这是一个有趣的计算机视觉问题，它适用于我在课外所研究的其它东西，另外我只是觉得它很可爱。」
目前，一个工业机器人能够在同一个位置反复拾取同一个物体。与之相比，教机器人在不断变化的环境中发挥作用是一个挑战，也是价值数十亿美元的商业机会。Winnie 就是因这个挑战而生的。「机器人界有句话是：五岁以上的人类能够做的事情，机器人都能轻松胜任，」Tellex 的一个学生曾对我这样说到。「学下象棋，没问题。学会走路，办不到。」
John Oberlin 也是一个博士生，他有一条棕色的长马尾辫，戴着护目镜，穿着一双羊毛袜和凉鞋，把高大的身躯架在茶几上的一台计算机上。屏幕中显示了 Winnie 通过嵌入其手掌的相机所「看到」的东西。
「如果我要一次次地从地上捡起这卷胶带」——Oberlin 拿起一卷胶带并松开手使其掉落——「坠落方式只有一种，」他告诉我。「所以我只要记住它的这种坠落方式就好了，然后，基本上我所要做的就是搜索这个空间。但这朵花上的花瓣有不止一种坠落方式，他们会根据所受浮力的不同呈现出不同的坠落路线，而且这些花瓣是可变形的。花瓣的固有属性使得它们很难被定位。」