MIT News - Artificial intelligence
·
机器人，认识你自己：新视觉系统教会机器理解自身
💡
原文英文，约1400词，阅读约需5分钟。
📝
内容提要
麻省理工学院研究人员开发的神经雅可比场（NJF）系统，使机器人能够通过视觉学习自我运动控制，无需复杂传感器或编程。这一方法提升了软机器人在动态环境中的适应能力，未来可广泛应用于农业和建筑等领域。
🎯
关键要点
- 麻省理工学院开发的神经雅可比场（NJF）系统使机器人能够通过视觉学习自我运动控制，无需复杂传感器或编程。
- NJF系统提升了软机器人在动态环境中的适应能力，未来可广泛应用于农业和建筑等领域。
- 该系统通过视觉数据控制机器人，赋予机器人一种身体自我意识，改变了传统的机器人编程方式。
- NJF系统不需要嵌入传感器，设计者可以探索非常规的机器人形态，而不必担心建模和控制的限制。
- NJF通过随机动作和视觉观察学习机器人形状及其对控制信号的响应，具有较强的鲁棒性。
- 该系统的核心是一个神经网络，能够捕捉机器人的三维几何形状和对控制输入的敏感性。
- 训练完成后，机器人只需一个单目相机进行实时闭环控制，运行速度约为12赫兹。
- NJF系统能够在没有复杂传感器的情况下，进行厘米级的定位和控制，适用于动态环境。
- 未来，NJF系统可能使机器人在没有昂贵基础设施的情况下，在混乱的环境中自如操作。
- 尽管当前NJF需要多个相机进行训练，研究人员正在探索更易于访问的版本，未来可能只需手机录制随机运动即可创建控制模型。
- NJF系统尚未实现跨机器人通用性，且缺乏触觉感知，但研究团队正在努力解决这些限制。
❓
延伸问答
NJF系统如何改变机器人控制的方式？
NJF系统通过视觉学习使机器人能够自我控制运动，无需复杂的传感器或编程，赋予机器人身体自我意识。
NJF系统的主要应用领域有哪些？
NJF系统未来可广泛应用于农业和建筑等领域，能够在动态环境中自如操作。
NJF系统是如何训练机器人的？
NJF系统通过随机动作和视觉观察来训练机器人，记录多个相机的结果，无需人工监督。
NJF系统的优势是什么？
NJF系统不需要嵌入传感器，允许设计者探索非常规机器人形态，提升了适应能力和控制精度。
NJF系统目前存在哪些限制？
NJF系统尚未实现跨机器人通用性，缺乏触觉感知，限制了在接触丰富任务中的有效性。
未来NJF系统的可访问性如何？
研究人员正在探索更易于访问的版本，未来可能只需手机录制随机运动即可创建控制模型。
➡️
