《MIT研究:从编程机器人到教机器人自主学习》

  • 编译者: AI智能小编
  • 发布时间:2025-07-01
  • MIT CSAIL团队在机器人学领域提出了从编程机器人向教授机器人转变的新方法,这一理念旨在让机器人通过观察和自主学习来完成特定任务。研究负责人Sizhe Lester Li表示,传统机器人依赖复杂的工程和编程,而未来的机器人将更具灵活性和可负担性,能够自主学习和适应任务。 该团队开发了名为NJF的系统,该系统通过观察让机器人自我学习内部模型,而非依赖预设的硬件设计。这种方法突破了传统机器人需具备刚性和丰富传感器的限制,使软体、变形或不规则形状的机器人也能实现有效控制。 NJF系统不依赖嵌入式传感器或硬件调整,给予设计师更多自由探索非传统形态的机器人。如同人类学习手指控制一样,NJF通过实验和观察,不断调整并适应随机动作,以确定哪些控制机制对应机器人的哪些部分。 实验结果显示,NJF系统在多种机器人类型上均表现出稳健性,包括能够夹取物品的气动软体机械手、刚性的Allegro机械手、3D打印的机械臂,以及无嵌入式传感器的旋转平台。这表明该系统具有广泛的适用性和潜力,有望推动机器人设计的进一步创新和发展。
相关报告
  • 《工业机器人示教编程与离线编程的区别》

    • 来源专题:数控机床——前沿技术
    • 编译者:杨芳
    • 发布时间:2018-03-19
    • 目前,应用于工业机器人的编程方法主要有三种:   1 示教编程   示教编程是一项成熟的技术,它是目前大多数工业机器人的编程方式。采用这种方法,程序编制是在机器人现场进行的。   2 离线编程   离线编程是在专门的软件环境下,用专用或通用程序在离线情况下进行机器人轨迹规划编程的一种方法。离线编程程序通过支持软件的解释或编译产生目标程序代码,最后生成机器人路径规划数据。   3 机器人语言编程   机器人语言编程是指采用专用的机器人语言来描述机器人的运动轨迹。目前应用于工业中的机器人语言是动作级和对象级语言。   今天,主要来讲讲示教编程与离线编程的区别:   示教编程   需要实际机器人系统和工作环境,编程时机器人停止工作,在实际系统上试验程序,编程的质量取决于编程者的经验,难以实现复杂的机器人运行轨迹。   离线编程   需要机器人系统和工作环境图形模型,编程时不影响机器人工作,通过仿真试验程序,可用CAD进行最佳轨迹规划,可实现复杂运行轨迹的编程。   示教编程的优点   编程门槛低、简单方便、不需要环境模型;对实际的机器人进行示教时,可以修正机械结构带来的误差。   示教编程的缺点   1、示教在线编程过程繁琐、效率低。2、精度完全是靠示教者的目测决定,而且对于复杂的路径示教在线编程难以取得令人满意的效果。3、示教器种类太多,学习量太大。4、示教过程容易发生事故,轻则撞坏设备,重则撞伤人。5、对实际的机器人进行示教时要占用机器人。   随着机器人应用领域的扩展,示教编程在有些行业显得力不从心了,于是,离线编程逐渐成为当前较为流行的一种编程方式。   与示教编程相比,离线仿真编程具有以下优点:   1、减少机器人不工作时间。当对机器人下一个任务进行编程时,机器人仍可在生产线工作,变成不占用机器人的工作时间。   2、使编程者远离危险的编程环境。   3、使用范围广,离线编程系统可对机器人的各种工作对象进行编程。   4、便于CAD/CAM系统结合,做CAD/CAM/robotics一体化。   5、可使用高级计算机编程语言对复杂任务进行编程。   6、便于修改机器人程序。   仿真编程克服了在线示教编程的很多缺点,充分利用了计算机的功能,减少了编写机器人程序所需要的时间成本,同时也降低了在线示教编程的不便。目前离线编程广泛应用于打磨、去毛刺、焊接、激光切割、数控加工等机器人新兴应用领域。   但是离线编程也有自身的缺点:对于简单轨迹的生成,它没有示教编程的效率高。模型误差、工件装配误差、机器人定位误差等都会对其精度有一定的影响。
  • 《机器人也能自主学习? iBot Cloud开启数据应用新时代》

    • 来源专题:数控机床——前沿技术
    • 编译者:杨芳
    • 发布时间:2016-07-22
    •   随着科技的不断发展,人工智能已经涉及到生活的方方面面。拥有庞大数据库的人工智能机器人,不仅能够为用户提供查询、搜索等基础功能服务,还能与用户进行简单交流,了解用户需求并提供更多相关信息。iBot Cloud是小i机器人旗下的智能云服务平台,一经推出便获得了广大用户的欢迎,一方面是其数据库足够大,容纳的信息更丰富更全面,另一方面则是因为它能够赋予智能机器人更强大的数据应用。   长久以来,用户对智能机器人强大与否的认知,都停留在其后台数据库的大小上。因为智能机器人的后台数据库越大,能够容纳的知识、信息量就越多,也就更容易解决用户提出的问题,满足用户需求。但这些海量的数据并不是一开始就存在于数据库中,它们同样需要人工进行录入。然而智能机器人存在的价值在于,它能够减少人类在各个领域中的劳动量,而人工录入造成人类工作负担的加重,这其实与智能机器人存在的意义相违背。   那么有什么办法可以解决这个问题呢?iBot Cloud给出了答案,那就是让智能机器人拥有自主学习的能力。众所周知,每一个云平台的背后都有一个强悍的大数据系统支撑,所有的知识、信息都将在这个系统中进行归类、分析等处理,但这并未发挥其全部效果。iBot Cloud在大数据系统原有的功能基础上进行升华,实现与互联网的全面对接,让智能机器人能够通过网络自主吸取更多新知识并进行学习,减轻了人类的工作负担,并提高效率。   但是,智能机器人能够自动获取知识并学习就满足了吗?并不是,因为整个世界每天更新的信息实在太多,其中可能包含着重复、虚假等信息,如果机器人将它们照单全收,无疑会对数据库造成巨大的压力,并影响用户的体验。所以iBot Cloud在赋予智能机器人自主学习能力的同时,还要赋予其另一项辅助能力,那就是数据筛选能力。智能机器人从网络或者其他渠道获取到新知识之后,先将其反馈到后台,经由大数据系统对这些知识进行深度处理,去掉无用的,将有用的保留到数据库中,再由智能机器人反馈给用户,让用户获取的信息更精确也更具价值。   现如今,智能机器人已经与各行各业密不可分,个人用户能够通过它获取各种各样的知识,企业用户能够通过它提取有价值的客户信息、指导企业决策。iBot Cloud赋予智能机器人的自主学习能力和数据筛选能力,能够在更短的时间内更新更多有效信息,减轻了人类负担的同时,效率也得到大幅提升。