使机器人更好地进行对象操作

麻省理工学院研究人员开发的新学习系统提高了机器人将材料成型为目标形状并预测与固体和液体相互作用的能力。该系统称为“基于学习的粒子模拟器”，可以为工业机器人带来更精致的触摸效果，并且在个人机器人中可以有很多有趣的应用程序，例如为粘土造型或寿司卷糯米建模。

在机器人计划中，物理模拟器是捕获不同材料如何响应力的模型。使用模型对机器人进行“训练”，以预测机器人与物体的相互作用的结果，例如推动实心盒子或戳入可变形粘土。但是传统的基于学习的模拟器主要专注于刚性物体，无法处理流体或较软的物体。一些更精确的基于物理的模拟器可以处理多种材料，但是在很大程度上依赖于近似技术，这些近似技术会在机器人与现实世界中的对象进行交互时引入错误。

在五月份的国际学习表示会议上发表的一篇论文中，研究人员描述了一种新的模型，该模型学会捕捉戳戳和推挤不同材料(粒子)的一小部分如何相互作用。如果运动的基本物理特性不确定或未知，则该模型直接从数据中学习。然后，机器人可以将模型用作指导，以预测液体以及坚硬和易变形的材料将如何对其触摸力做出反应。当机器人处理物体时，该模型还有助于进一步完善机器人的控制。

在实验中，两个手指的机械手称为“ RiceGrip”，将可变形的泡沫精确地成形为所需形状(例如“ T”形)，以作为寿司饭的替代物。简而言之，研究人员的模型是一种“直觉物理”大脑，机器人可以利用它来重建三维物体，这与人类的行为有些相似。

“人类的大脑中有一个直观的物理模型，我们可以想象如果物体被推动或挤压，它将表现出怎样的行为。基于这个直观的模型，人类可以完成远远超出当前机器人所能达到的惊人的操纵任务。”第一作者李云珠说，他是计算机科学与人工智能实验室(CSAIL)的研究生。“我们希望为机器人建立这种直观的模型，以使它们能够执行人类可以做的事情。”