小编发现不少朋友对于 MIT模型提高了机器人处理与操纵物体的能力 这方面的信息都比较感兴趣，小编就针对 MIT模型提高了机器人处理与操纵物体的能力 整理了一些相关方面的信息 在这里分享给大家。
麻省理工学院研究人员建立的AI模型可以帮助机器人更好地预测它们将如何与固体和液体相互作用，从而提高其成型可变形材料的能力。
麻省理工学院计算机科学和人工智能实验室的研究生Yunyun Li和Jiajia Wu都是该研究的负责人，该研究涉及构建和训练图神经网络，以预测材料的单个粒子如何重塑和对触摸做出反应。整体而言，该模型称为DPI-NETS或“粒子相互作用网络”。
“在我们的头脑中，人类拥有一个直观的物理模型，我们可以想象如果我们推动或挤压物体，物体将如何表现，”李在新闻稿中说。“基于这种直观的模型，人类可以完成远远超出当前机器人能力范围的惊人的操纵任务。我们希望为机器人建立这种直观的模型，以使它们能够执行人类可以做的事情。”
作者首先构建了一组动态交互图，该图将粒子内的数千个节点和边缘连接起来，以捕获粒子的复杂行为。这些图是该团队神经网络的基础，该神经网络随着时间的推移积累了一个粒子特性数据库，以预测不同材料对不同水平力的反应。为了计算估计值，该模型隐式考虑了许多特定属性(例如粒子的质量和弹性)来预测粒子在受到干扰时是否以及在何处移动。
Li等。在两指“ RiceGrip”机器人上测试了该技术，他们要求将目标形状从可变形的泡沫中夹紧。该机器人首先使用深度感应摄像头和物体识别技术来识别泡沫，然后激活作者的神经网络以可视化材料颗粒的位置。该模型在粒子之间添加了边缘，从而将泡沫重建为针对可变形材料定制的动态图。
由于模型的知识渊博，因此机器人对每次触摸如何影响图形上的粒子有了很好的了解。当它压入泡沫时，它使粒子的实际位置与图形上指定的位置相匹配。
当粒子不在机器人的运动和图形之间对齐时，模型将被编程为发送错误信号，从而对其进行调整以更好地匹配其前面的材料的真实世界。作者说，他们正在寻求在不久的将来进一步开发该模型及其复杂性。
Wu在新闻稿中说：“当孩子五个月大时，他们对固体和液体的期望已经不同。” “这是我们在很小的时候就知道的，所以也许我们应该尝试为机器人建模。”
李和同事的论文将在5月的国际学习代表大会上发表。