一种新型人工智能控制系统使软机器人手臂能够一次性学习多种动作，并在新场景中实时调整，无需重新训练。这一突破提升了软机器人的智能性和适应性，尤其在助理、康复和医疗领域。研究由新加坡-麻省理工学院联盟的M3S团队主导，灵感来源于人脑学习，增强了软机器人的稳定性和安全性。

研究人员开发了一种新型软机器人手臂，能够实时感知和调整抓取力，模仿人手的灵活性。通过结合非线性控制理论和物理建模技术，实现了“接触感知安全”，确保机器人在执行任务时不会施加过大力量。这种机器人在医疗、工业和家庭等领域具有广泛应用潜力，能够安全地与人类和脆弱物体互动。

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。

麻省理工学院的研究人员开发了一种新算法，能够控制可重构软机器人动态改变形状，以完成避障和物品取回等多种任务。他们还创建了一个模拟器，测试该算法在复杂任务中的表现，展示了其在多阶段任务中的优越性，未来有望推动软机器人在医疗和工业中的应用。