Google 机械臂农场（大规模抓取自监督）

Learning Hand-Eye Coordination for Robotic Grasping with Deep Learning and Large-Scale Data Collection (Google Arm Farm)进阶

谷歌 2016 年让十几台机械臂反复试抓 80 多万次、从数据中自学抓取。

这是谷歌 Sergey Levine、Peter Pastor、Alex Krizhevsky、Deirdre Quillen 于 2016 年 3 月发布的工作（ISER 2016 论文的扩展版），因一排机械臂同时干活的场景被称作「机械臂农场」。他们让 6 到 14 台机械臂在约两个月里自主尝试抓取 80 多万次，成败自动判定，不靠人工标注。用这些数据训练卷积神经网络：输入单目相机图像和一个候选的夹爪运动，预测这样动能否抓成功；执行时不断挑选最优运动、边看边调（视觉伺服），无需相机标定。闭环抓取的失败率从开环的 34% 降到 18%。它开启了「大规模真机数据 + 深度学习」路线，QT-Opt、MT-Opt 都沿用这一思路。