麻省理工学院计算机科学与人工智能实验室开发了一种名为“抓取神经过程”的深度学习模型，能够实时推断物体的隐藏物理特性，帮助机器人在复杂环境中找到最稳定的抓取方式。该模型通过有限的交互数据训练，显著提高了抓取效率并减少计算成本。研究人员希望未来能增强系统，使其能够实时调整抓取策略，以应对动态物体的变化。