MIT 突破使机器人能够利用全身进行物体操作

麻省理工学院（MIT）的研究人员显著提高了机器人的操作能力。使用一种名为“平滑（smoothing）”的新AI技术，机器人现在可以使用整个身体执行任务，而不仅仅是指尖。这项创新有可能彻底改变机器人在工厂、太空探索和其他领域的使用方式。

接触丰富型操作规划的挑战

用整个身体操作物体对机器人来说是一个巨大的挑战。它们必须考虑物体上数十亿个潜在的接触点，以应对手指、手、手臂和躯干的每一次接触。这个过程被称为“接触丰富型操作规划”，计算成本高昂，一直是实际应用的瓶颈。人类可以直觉地处理这些任务，但对机器人来说，这些任务变得过于复杂。

解决方案

为了简化问题，MIT研究人员开发了一种基于“平滑”的新AI技术，该技术将众多的接触事件浓缩为更小、更易管理的决策集。这项创新使得即使是基本算法也能高效地为机器人制定有效的操作计划。 

“平滑平均化了那些许多不重要的中间决策，只留下少数重要的决策，”MIT研究生、IEEE《机器人学汇刊》发表论文的共同第一作者H.J. Terry Suh说道。

强化学习与平滑的对比

虽然强化学习在帮助机器人执行复杂任务方面非常有效，但它需要巨大的计算能力和时间。据Suh介绍，它通过试错的“黑盒”系统进行学习，通常需要“模拟时间中的数百万年”才能见效。 

然而，平滑提供了一种替代方案。通过仔细理解模型和问题，研究人员能够提高过程的效率。平滑使机器人能够专注于与物体的核心交互，从而实现更快、更有效的任务规划。

实现效率与组合方法

尽管通过平滑取得了进展，但即使在减少的决策数量中进行搜索仍然是一个挑战。研究人员随后将平滑模型与搜索算法相结合，将标准笔记本电脑上的计算时间减少到约一分钟。

该团队在模拟和真实机械臂上测试了他们的方法，取得了与强化学习相当的性能，但耗时仅为其中的一小部分。

应用与前景

这项研究的影响巨大。在工业环境中，工厂可以用更小、更灵活的机器人取代大型机械臂，这些机器人使用整个身体进行操作任务，从而降低能耗和成本。 

此外，该技术对于被派往火星或其他天体的探索机器人来说可能非常宝贵，因为这些机器人需要快速适应新环境。

然而，研究人员承认在处理动态任务方面存在局限性，例如机器人将物体扔进箱子的能力。团队计划进一步完善他们的方法以应对此类挑战。

Suh强调，与其将其视为“黑盒”系统，如果我们能够利用模型利用这类机器人系统的结构，那么就有机会加速整个过程。 

亚马逊、MIT林肯实验室、美国国家科学基金会和Ocado Group部分资助了这项工作。随着MIT机器人操作技术的不断演变，它们为各个领域的机器人技术开辟了新的可能性，证明对问题的深刻理解可以带来创新的解决方案。

随着这些进步，像人类一样直觉地操作物体的机器人可能离现实不远了。