当我们中的许多人跌跌撞撞地走过一堆荧光的、橡胶状的水、盐和面粉的混合物时，内心的孩子会感到一种压倒性的喜悦：玩面团。（即使这种情况在成年人中很少发生。）
虽然对2岁的孩子来说，玩面团很有趣，也很容易，但机器人很难处理这些不成形的污泥。机器对刚性物体的可靠性越来越高，但操纵软的、可变形的物体带来了一系列技术挑战，最重要的是，与大多数柔性结构一样，如果你移动一个零件，你可能会影响其他所有东西。
麻省理工学院计算机科学与人工智能实验室（CSAIL）和斯坦福大学的科学家最近让机器人用手玩模型化合物，但不是为了怀旧。他们的新系统直接从视觉输入中学习，让带有双指抓手的机器人看到、模拟和塑造面团状的物体。“RoboCraft”能够可靠地规划机器人的行为，即捏捏和松开玩面团来制作各种字母，包括它从未见过的字母。仅需10分钟的数据，双指夹持器就可与遥控机器的人类对手匹敌鈥攑在测试任务中表现平平，有时甚至更好。
CSAIL博士生、一篇关于RoboCraft的新论文的作者李云珠（Yunzhu Li）说：“建模和操纵高度自由的物体是机器人学习如何实现复杂的工业和家庭交互任务的基本能力，比如包饺子、卷寿司和制陶。”。“虽然最近在操纵衣服和绳子方面取得了一些进展，但我们发现具有高塑性的物体，如面团或橡皮泥鈥攄尤其是在这些家庭和工业环境中普遍存在鈥攚作为一个很大程度上未被开发的领域。通过RoboCraft，我们可以直接从高维感官数据中学习动力学模型，这为我们执行有效的规划提供了一个有希望的数据驱动途径。"
对于未定义的平滑材质，在进行任何类型的高效建模和规划之前，需要考虑整个结构。RoboCraft通过将图像转化为小粒子的图形，并结合算法，使用图形神经网络作为动力学模型，对材料的形状变化做出更准确的预测。
通常，研究人员使用复杂的物理模拟器来建模和理解应用于物体的力和动力学，但RoboCraft只是使用视觉数据。该系统的内部工作依赖于三个部分来将软材料塑造成“R”
第一部分鈥攑知觉鈥攊这就是学习“看”的全部它使用摄像头从环境中收集原始的视觉传感器数据，然后将这些数据转化为微粒云来表示形状。然后，基于图形的神经网络使用所述粒子数据来学习“模拟”对象的动力学或其运动方式。然后，算法帮助规划机器人的行为，使其学会“塑造”一团面团，并利用多次捏捏的训练数据。虽然这些字母有点松散，但它们无疑具有代表性。
除了可爱的形状，这个团队（实际上）还在用面团和准备好的馅料包饺子。现在，只需一个两指抓手，这是一个大问题。RoboCraft需要额外的工具（面包师需要多种工具来烹饪；机器人也需要）鈥攁 擀面杖、邮票和模具。
科学家们设想的一个更遥远的未来领域是使用RoboCraft帮助完成家务和家务，这可能对老年人或行动不便的人有特别的帮助。为了实现这一点，考虑到可能发生的许多障碍，需要对面团或物品进行更具适应性的表示，并探索哪类模型可能适合捕捉底层结构系统。
“RoboCraft从本质上证明，这种预测模型可以通过非常有效的数据方式来学习，以规划运动。从长远来看，我们正在考虑使用各种工具来操纵材料，”李说。“如果你想做饺子或面团，仅仅用一个抓手是无法解决的。帮助模型理解并完成更长时间的计划任务，例如，在当前工具、动作和动作的情况下，面团将如何变形，这是未来工作的下一步。”
这篇文章由麻省理工学院新闻网（web.MIT.edu/newoffice/）转载，该网站是一个受欢迎的网站，涵盖了有关麻省理工学院研究、创新和教学的新闻。