7 月 13 日消息，麻省理工学院(MIT)团队提出一种基于视觉的深度学习方法，仅需单个摄像头即可让软体机器人和仿生机器人学习运动与控制。
该技术突破有望大幅降低机器人开发成本，相关成果已于 6 月 25 日发表于《自然》主刊(IT之家附 DOI: 10.1038/s41586-025-09170-0)。
传统工业机器人虽易于建模控制，但刚性结构难以适应狭小或不平坦地形。软体及仿生机器人虽具备环境适应优势，却通常依赖大量传感器和定制化空间模型。
现在，MIT 团队通过深度学习技术解决了这一矛盾。新系统仅需通过单个摄像头捕捉机器人运动画面，结合名为“神经雅可比场(NJF)”的技术，使机器人通过视觉反馈建立对自身形态与运动能力的认知。
研究团队对多种机器人进行了 2-3 小时多视角随机运动视频训练，成功让神经网络通过单帧图像重建机器人三维形态与运动范围。
在气动软体机械手、奥利格罗机械手(16 自由度)、3D 打印机械臂及低成本 Poppy 机械臂等测试中，系统实现：
关节运动误差小于 3 度
指尖控制误差小于 4 毫米
可自适应环境动态变化
MIT 助理教授文森特・西茨曼(Vincent Sitzmann)表示：“视觉作为弹性传感器，为农场、工地等非结构化环境中的机器人应用开启新可能。”
CSAIL 主任丹妮拉・罗斯(Daniela Rus)补充道：“视觉反馈使系统建立自身运动动力学内部模型，在传统定位方法失效处实现自监督操作。”
网站客服
粤公网安备 44030402000946号