麻省理工学院创新机器人控制技术：没有传感器

它是在7月13日的新闻中，麻省理工学院团队提出了一种基于视觉的深度学习方法，该方法允许软件和仿生机器人通过相机学习运动和控制。预计这一技术进步将大大降低机器人开发的成本，并于6月25日在自然主题上发布了相关结果。该软件和仿生机器人具有环境适应性的优势，但通常取决于大量的自定义空间和型号。现在，麻省理工学院团队通过深度学习技术解决了这一不一致。新系统简单地通过单个摄像头捕获机器人运动图像，并结合了一种称为“ Neurojacobian Field（NJF）”的技术，以允许机器人通过视觉反馈来建立自己的形态和运动技能。研究人员在多个机器人中进行了2-3个小时的随机运动训练，并允许成功的神经网络重建三维形态和范围Of机器人在单个图像中移动。该系统已在诸如软轮胎机器人，原始机器人（16个自由度），印刷在3D和低成本罂粟机器人臂上的机器人臂中实现。关节运动误差小于3度，指尖的控制误差小于4 mm，并且可以适应MIT MIT的动态变化。 Csail总监Daniela Rus补充说：“作为弹性传感器的可见性为在非结构化环境（例如农场和建筑工地）中的机器人应用开辟了新的可能性。