一、耳机线的“克星”——双手机器人
想必大家都经历过这样的事情：整理好的耳机线放在包里一段时间后，莫名其妙的就缠在一起了，如果放的时间越久就越不容易解开，很是令人抓耳挠腮，这时，我就会想，要是有个能帮我解耳机线的“人”就好了。
如今可以实现这个愿望的技术出现了，但我所说的并不是蓝牙耳机，而是解耳机线的双手机器人。
机器人简介
双手机器人是加州大学的一个团队研究出来的，它是通过自身的感知系统感知耳机线的端点、结点以及实时追踪线：也就是通过传感器探测整条线，从起点开始，到交叉点停止，然后用双手将耳机线理顺。
工作步骤
1、如果耳机线的两个端点能够明显看到，抓住两个端点，并拉向两边，将所有打结的地方都显现出来。
2、如果两端点不能明显看到，就先晃动耳机线，直至可以探测到两个端点，然后进行以第一步操作。
3、通过前面处理好的线，机器人会通过感知系统探测有无结点。
4、如果遇到结点，两个抓手抓住节点内的两个点，向两端一拉，这个结点就解开了，然后返回第一步。
5、如果第三步没有探测到结点，就进行物理追踪：一只手抓住线的一端，另一只手沿着这个线的方向滑动，追踪到打结的位置。
6、如果第五步追踪还没有检测到结点的话，线就整理完毕。
7、如果第五步追踪检测到额外的结点，则立即将处理好的部分拨到一边去，然后返回第三步，继续探测有无结点。
通过以上的工作步骤，我们对这个机器人也有了大致的了解，那么研究团队在创造它的时候对于AI实现最大的难点是什么呢？
第一，如何分辨是一个线圈还是一个结点；
第二，如何提高抓手抓线的准确性，比如说，线绕在一起的时候，怎样才能保证机器人抓起来的只有一根；
通过实践检验，它解结的效果如何呢？
双手机器人最长可成功解开3米长的线，线中存在一个结时，成功率为67%；存在两个结时，成功率为50%。
读到这里，我们也不难发现这个机器人的大“bug”了，作为第一代解“绳子”的机器人，它只能解最简单的结：
不能系的太紧、结点不能太多、线不能过长，只要被解的“绳子”稍微复杂一点它的成功率就会大打折扣。
最后
二、 快递运单号自动识别的“秘密”
在不知道运单号所属公司的情况下，一般大家会怎样查询呢？是不是从网上随便找一个查询的网站，然后输入运单号自动识别，那这些网站是如何进行自动识别的呢？今天小编就给大家介绍其中一种基于TF-IDF识别的方法。
TF-IDF算法基本原理
TF-IDF算法是一种统计方法，用以评估一字词对于一个文件集或一个语料库中的其中一份文件的重要程度。字词的重要性随着它在文件中出现的次数成正比增加，但同时会随着它在语料库中出现的频率成反比下降。如果某个词或短语在一篇文章中出现的频率TF高，并且在其他文章中很少出现，则认为此词或者短语具有很好的类别区分能力，适合用来分类。
对于已知运单号所要做的处理
对于未知运单号所要做的处理
该识别方法的两大特点
一是，很巧妙的将TF-IDF方法应用到对数字进行分类中，不在局限于文字文章，把一串数字看作为一个词，n串数字组成一篇文章，而认为相同快递公司的运单号应该很类似，应该是一类文章，很好的利用了TF-IDF的优势。
二是只切分运单号的前几位，而不切分中间或后面。原因是大部分快递公司的运单号有区别于其他公司的特征都放在前几位，例如：顺丰以SF开头，圆通以YT开头，中通一般以2008、6、010等开头，这样，只切分前几位就可以获得区别于其他的类别特征，进而可以判断出所属快递公司。
参考文献：
- 双手机器人
https://www.cnbeta.com/articles/tech/1304281.htm - 运单号识别源代码
https://github.com/gnosis-xian/identify_express_via_waybillno - TF-IDF计算公式的图片
https://zhuanlan.zhihu.com/p/112788310
