近期，麻省理工学院（MIT）的一支科研团队带来了机器人技术领域的重大进展。他们开发出一种创新的深度学习策略，使得软体机器人和仿生机器人仅通过单个摄像头便能学习并控制自身的运动。
这一突破性技术成果已于6月25日在《自然》杂志上正式发表，其有望大幅度削减机器人研发的成本。
传统工业机器人虽然便于建模与控制，但其刚性的构造在狭窄或复杂地形中显得力不从心。软体及仿生机器人尽管在环境适应性上具有显著优势，却常常需要依赖大量的传感器以及定制化的空间模型。
MIT的研究团队巧妙地运用深度学习技术，成功解决了这一难题。他们设计的新系统仅依靠单个摄像头捕捉机器人的运动图像，并结合“神经雅可比场（NJF）”技术，让机器人能够借助视觉反馈来建立对自身形态及运动能力的认知。
在实验中，研究团队对多种类型的机器人进行了2至3小时的多视角随机运动视频训练。这一训练使得神经网络能够通过单帧图像重建出机器人的三维形态及运动范围。
经过测试，包括气动软体机械手、奥利格罗机械手（拥有16个自由度）、3D打印机械臂以及低成本的Poppy机械臂在内的多种机器人，均展现出了卓越的性能：关节运动误差小于3度，指尖控制误差小于4毫米，并且能够适应环境的动态变化。
MIT的助理教授文森特·西茨曼（Vincent Sitzmann）指出：“视觉作为一种灵活的传感器，为非结构化环境（如农场、工地等）中的机器人应用开辟了新的可能性。”
CSAIL的主任丹妮拉·罗斯（Daniela Rus）补充道：“视觉反馈让系统能够建立起自身运动动力学的内部模型，从而在传统定位方法失效的场景中实现自我监督操作。”
