MIT开发新技术解决机器人制作披萨面团的棘手挑战

麻省理工学院（MIT）的一支研究团队近期推出了一项革命性的技术，这项技术赋予了机器人操纵柔软物体如披萨面团或衣物的超凡能力。想象一下制作披萨的面团处理过程，对于人类来说轻而易举，但对于机器人而言却是一项棘手的挑战。面团的形状千变万化，难以用简单的方程式来描述，制作过程中需要一系列步骤和多种工具的运用。

对于机器人来说，学习执行一系列复杂的操作任务异常艰难，因为它们需要在众多选择中找出正确的路径，而这一过程往往依赖反复试验和错误。但现在，MIT、卡内基梅隆大学和加州大学圣迭戈分校的研究人员提出了一种更智能的方法。

他们构建了一个机器人操纵系统框架，采用了一种新颖的两阶段学习方法。一个“教师”算法确定机器人必须采取的每一步操作来完成任务。接着，“教师”训练一个“学生”机器学习模型，让模型学习何时以及如何执行特定任务的抽象技能，比如使用擀面杖。一旦模型掌握了这些基本技能，它就能够推理出如何执行一系列操作来完成复杂的任务。

这种名为DiffSkill的方法展现了惊人的实力。在模拟环境中，它成功执行了复杂的面团操作任务，如分割、摊开面团，以及从砧板周围收集面团碎片等任务，其表现超越了其他机器学习方法。

这项技术的潜力远不止于披萨制作。任何需要机器人操纵柔软物体的场合都可以应用这项技术，比如护理领域，为老年人或有运动障碍的人提供喂食、洗澡和穿衣的服务。

DiffSkill框架中的“老师”是一种轨迹优化算法，可以在模拟现实世界物理的模拟器中工作。它使用模拟器中的信息来学习面团在每个阶段应该如何移动，然后输出这些轨迹。“学生”神经网络则学习模仿“老师”的动作，使用图像来确定面团的当前状态和目标状态，然后生成高级计划，确定如何将不同的技能结合起来以达到目标。

研究人员在三种模拟面团操作任务中测试了这项技术。在每一项任务中，DiffSkill都展现了出色的性能，成功完成了所有任务，甚至超越了依赖强化学习的流行技术。研究人员对此感到非常兴奋，他们认为这项技能可以串联起来解决更复杂的任务。

未来，研究人员计划进一步提高DiffSkill的性能，使其能够应用于不同的设备和更多的任务。他们打算使用3D数据作为输入，提高系统的现实适应性，并优化神经网络的规划过程。长远来看，他们希望将DiffSkill应用于更多种类的任务，包括布料操作等。这项技术的潜力令人瞩目，我们期待它在未来为机器人技术带来更多的创新和突破。