MIT 發表新機器人控制方法 NJF，讓機器人「用看的」學會控制身體
機器人未來可能將不再需要透過複雜的感測系統來「了解」自己。麻省理工學院科學與人工智慧實驗室（MIT CSAIL）最近開發了名為「Neural Jacobian Fields（NJF）」的機器人視覺導向控制方法──這項系統不須手動建模、無須複雜的外部或機載感測器，只要一台攝影機，就能讓機器人感知並學習其身體如何回應命令，這種方法賦予機器人新的「身體意識」。
學習「自我觀察」，顛覆傳統機器人設計思維
MIT 電腦科學與人工智慧實驗室（CSAIL）博士生兼資深研究員 Sizhe Lester Li 表示，現在多數機器人任務仰賴大量工程與程式設計，「但未來我們希望能透過示範動作給機器人看，讓它自己學會怎麼達成目標。」
是什麼需求驅動此一突破？根據 MIT CSAIL，當前機器人設計多建立在既有假設之上：機器人具備不易變形的剛性結構、內建大量感測器，並能對應建立出精準的數位孿生模型。這些假設讓傳統控制系統比較容易運作，可是一旦換做柔軟、可變形或結構不規則的機器人就不適用。NJF 技術背後邏輯是，與其強迫機器人適應這些假設，不如透過觀察自己，學會控制邏輯和內部系統。
也就是說，開發人員可以更自由地探索機器人非傳統、不受拘束的型態，不必擔心之後是否能對特定型態進行建模獲控制。MIT 研究團隊表示，這能讓機器人開發降低門檻、技術價格更實惠、適應性更強，「視覺是一種靈活可靠的感測器。」
NJF 研究團隊表示，這項方法已成功應用於多種機器人，包括氣壓驅動的軟體機械手、剛性機械手（Allegro）、3D 列印的機械臂，以及未內建任何感測器的旋轉平台。根據在每種實驗中，NJF 都能靠視覺學會機體形狀與動作反應，並實現即時控制，每秒可達 12 次閉迴圈反饋。
NJF 應用場域可拓展至農業、建築與家庭
CSAIL 所長 Daniela Rus 補充，NJF 展現的潛力不只是在研究室，農業自動化、建築工地、倉儲環境、甚至家用機器人，都可能因此受益。
MIT 研究團隊也強調，雖然目前 NJF 的訓練仍需多攝影機架設、針對單一機體重新建模，但未來有望簡化到只用手機拍攝機器人動作影片，就可快速生成對應的控制模型，讓業餘開發者也能參與應用。
這份研究成果已於近期發表於《Nature》期刊，並獲得 MIT 研究支持基金、美國國家科學基金會及韓國光州科學技術院等機構資助。
＊本文開放合作夥伴轉載，資料來源：《The Robot Report》、MIT CSAIL，首圖來源：MIT CSAIL
留言 1