很多研究人員嘗試了多種方法，試圖教會機器人抓住精細的物體。麻省理工學院的研究人員們找到了一種解決方案，就是教機器人預測物體對它們的觸摸可能會做出的反應。它們開發(fā)了一種基于學習的粒子模擬系統(tǒng)，可以幫助機器人改進它們的方法。新模型可以捕獲給定材料對觸摸的反應，在不清楚給定交互的物理影響時，通過這些信息進行學習，它類似于人類對抓取的直覺理解。

    該團隊通過雙指機器人RiceGrip展示了該系統(tǒng)，將可變形的泡沫塑造成所需的形狀，就像你可能在做壽司一樣。它使用深度相機和物體識別來識別泡沫，然后使用該模型將泡沫視為可變形材料的動態(tài)圖形。雖然它已經(jīng)知道了粒子會如何反應，但如果粒子以一種它沒有預料到的方式表現(xiàn)，它就會調整它的模型。

    該系統(tǒng)現(xiàn)在還處于早期階段，科學家們希望繼續(xù)改善他們的方法，并將它直接用于圖像。如果這一目標得以實現(xiàn)，那么機器人也就取得了一個重大突破。它們可以更容易地操縱任何類型的物體，即使液體和軟固體，這也意味著我們距離吃到機器人做的壽司又近了一步。