由麻省理工学院研究人员开发的新学习系统将机器人能力提高到塑造材料中的模塑材料，并对与固体物体和液体相互作用进行预测。该系统称为基于学习的粒子模拟器，可以为工业机器人提供更精致的触摸 - 并且它可能在个人机器人中具有有趣的应用，例如塑料形状或卷粘粘米为寿司。
在机器人规划中，物理模拟器是捕获不同材料如何响应力的模型。机器人使用模型“训练”，以预测与对象的相互作用的结果，例如按下固体盒子或戳可变形粘土。但基于传统的学习模拟器主要关注刚性物体，无法处理流体或更柔软的物体。一些更准确的基于物理的模拟器可以处理各种材料，但在机器人与现实世界中的物体交互时，依赖近似的近似技术。
在今年5月举行的国际学习表征会议上发表的一篇论文中，研究人员描述了一种新的模型，该模型学会捕捉不同材料的小部分——“粒子”——在被戳和刺激时是如何相互作用的。当运动的基本物理性质不确定或未知时，该模型直接从数据中学习。机器人可以利用这个模型来预测液体，以及刚性和可变形的材料，会对它的触碰力产生怎样的反应。当机器人处理对象时，该模型还有助于进一步完善机器人的控制。
在实验中，具有两个手指的机器人手，称为“稻草”，将可变形的泡沫精确地形状到所需的构型 - 例如“T”形状 - 用作寿司米的代理。简而言之，研究人员的模型用作一种“直观物理学”大脑，机器人可以利用，以便类似地重建三维物体，与人类如何做。
“人类在我们的头上有一个直观的物理模型，在那里我们可以想象如果我们推动或挤压它是如何表现的。基于这一直观的模型，人类可以实现远远超出当前机器人的惊人的操作任务，“计算机科学和人工智能实验室（CSAIL）的研究生云珠李先生说。“我们希望为机器人建立这种直观模型，使他们能够做人类能做的事情。“
“当儿童5个月大时，他们对固体和液体有不同的期望，”CSAIL研究生Jiaunu吴嘉君武装“加入了佳器。“这是我们在早期时所知的东西，所以也许这是我们应该尝试为机器人建模的东西。”
加入李和吴本文是：Russ Tedrake，CSAIL研究人员和电气工程系和计算机科学系教授（EECS）;Joshua Tenenbaum是大脑和认知科学系教授以及CSAIL和脑部，思想和机器中心（CBMM）;Antonio Torralba是一名EECS教授和麻省理工学院IBM Watson AI实验室主任。
动态图形
该模型背后的一个关键创新，被称为“粒子交互网络”(DPI-Nets)，是创建由数千个节点和边组成的动态交互图，这些节点和边可以捕捉所谓粒子的复杂行为。在图中，每个节点代表一个粒子。相邻节点之间使用有向边连接，有向边表示从一个粒子到另一个粒子的相互作用。在模拟器中，粒子是由数百个小球体组合而成的液体或可变形物体。
该图是构造为称为图形神经网络的机器学习系统的基础。在培训中，模型随着时间的推移，了解不同材料中的粒子是如何反应和重塑的。它通过隐含地计算每个颗粒的各种性质 - 例如其质量和弹性 - 以预测粒子在扰动时颗粒在图中移动的若据。
然后，该模型利用“传播”技术，该技术瞬间在整个图形中传播信号。研究人员对每种材料进行定制的技术 - 刚性，可变形和液体 - 以拍摄在某些增量时间步骤中预测粒子位置的信号。在每个步骤中，如果需要，它会移动并重新连接粒子。
例如，如果推动固体盒，则会向前移动垂直的颗粒。因为盒内内的所有颗粒彼此刚性连接，所以物体中的每个其他颗粒移动相同的计算距离，旋转和任何其他尺寸。粒子连接保持完整，盒子作为单个单元移动。但如果缩进可变形泡沫的区域，则效果将是不同的。扰动的颗粒向前移动了很多，周围的颗粒仅稍微向前移动，并且远离更远的颗粒根本不会移动。液体在杯子中粘在杯子周围，颗粒可以从图的一端完全跳到另一端。该图必须学习预测所有受影响的粒子移动的地点以及多少，这是计算方式复杂的。
塑造和调整
在他们的论文中，研究人员演示了这个模型，他们让两个手指的RiceGrip机器人从可变形的泡沫中夹出目标形状。该机器人首先使用深度感应摄像机和物体识别技术来识别泡沫。研究人员随机选择感知形状内的粒子来初始化粒子的位置。然后，该模型添加粒子之间的边，并将泡沫重建为可变形材料定制的动态图。
由于学习的模拟，机器人已经有一个很好的思想，每个触摸是如何触摸，给予一定量的力，将影响图中的每个粒子。当机器人开始缩进泡沫时，它迭代地将颗粒的真实位置与颗粒的目标位置匹配。每当粒子不对齐时，它会向模型发送错误信号。该信号调整模型以更好地匹配材料的真实物理。
接下来，研究人员的目标是改进模型，以帮助机器人更好地预测与部分可观察场景的交互作用，比如知道一堆箱子在被推时将如何移动，即使只有表面的箱子是可见的，而其他大部分箱子都被隐藏了。
研究人员还在探索通过直接对图像操作，将该模型与端到端感知模块结合起来的方法。这将是与Dan Yamins小组的一个联合项目;亚明最近完成了他在麻省理工学院的博士后研究，现在是斯坦福大学的助理教授。吴说:“你一直在处理这些案件，但却只有部分信息。”“我们正在扩展我们的模型，以了解所有粒子的动力学，但只看到了一小部分。”
提交：AI•机器学习那快速原型设计那机器人•机器人夹具•终点效果
