摘要：人类在阁楼清理杂物时，往往只需拿起盒子轻轻摇晃，无需开箱就能猜出里面装了什么。如今，麻省理工学院、亚马逊机器人和哥伦比亚大学的研究人员教会了机器人掌握类似的技能。

摇一摇就知道！科学家教会机器人“隔空猜物”新技能

人类在阁楼清理杂物时，往往只需拿起盒子轻轻摇晃，无需开箱就能猜出里面装了什么。如今，麻省理工学院、亚马逊机器人和哥伦比亚大学的研究人员教会了机器人掌握类似的技能。

他们开发出一种新技术，让机器人仅通过内置传感器，就能在抓取并轻摇物体后判断其重量、软硬度或内部物品。这种方法无需外部测量工具或摄像头，机器人能在数秒内准确估算出物体质量等参数。这项低成本技术在摄像头难以发挥作用的场景中尤为实用——比如在黑暗的地下室分拣物品，或在地震后部分坍塌的建筑物内清理废墟。

该技术的核心在于模拟计算：通过整合机器人模型与物体模型，在机械臂操作过程中快速识别物体特性。研究显示，这种新技术在估算物体质量方面，与依赖计算机视觉的复杂昂贵方法效果相当。此外，这种高效的数据处理方法具备强大适应性，能应对多种未预见的场景。

"这个构想具有普适性，我认为我们才刚刚触及机器人通过这种方式能实现的学习潜力。"论文第一作者、麻省理工学院博士后 Peter Yichen Chen 表示，"我的理想是让机器人走进现实世界，通过触摸和移动环境中的物体，自主理解所有交互对象的特性。"

研究团队还包括麻省理工学院博士后 Chao Liu、2025 届博士生 Pingchuan Ma、2024 届硕士生Jack Eastman；亚马逊机器人的 Dylan Randle 和 Yuri Ivanov；麻省理工学院电气工程与计算机科学教授 Daniela Rus 和 Wojciech Matusik。该研究成果将在国际机器人与自动化会议上发表。

研究团队的方法利用了本体感觉——即人类或机器人感知自身空间运动和位置的能力。

例如，健身者在举起哑铃时，即使手握哑铃，也能通过手腕和二头肌感知其重量。同理，机器人也能通过机械臂的多个关节“感受”物体的重量。“人类无法精确测量手指关节角度或施加在物体上的扭矩值，但机器人可以。我们正是利用了这种优势。” Chao Liu 解释道。

当机器人举起物体时，该系统会收集关节编码器的信号。这些传感器能检测机械臂运动时关节的旋转位置和速度。Chao Liu 补充指出，多数机器人的驱动电机都内置关节编码器，这使得该技术比需要额外触觉传感器或视觉追踪系统的方法更具成本优势。

为估算机器人与物体交互时的物体特性，该系统依赖两个模型：一个模拟机器人及其运动，另一个模拟物体动力学特性。“构建精确的现实世界数字孪生体对我们的方法至关重要。”Yichen Chen 强调。

他们的算法会“观察”机器人与物体在物理交互中的运动，利用关节编码器数据逆向推算出物体属性。例如，当施加相同作用力时，较重物体的运动速度会明显慢于较轻物体。

可微分仿真技术

研究团队采用了一种名为“可微分仿真”的技术，该技术能让算法预测物体属性（如质量或软硬度）的微小变化会如何影响机器人关节的最终位置。研究人员使用英伟达开源的 Warp 库构建仿真系统，该开发者工具支持可微分仿真。

当仿真结果与机器人实际运动轨迹吻合时，系统即成功识别物体属性。该算法仅需观察机器人运动的一次真实轨迹，便能在数秒内完成计算。“从技术上讲，只要掌握物体模型和机器人施力方式，就能推算出目标参数。”Chao Liu 表示。

虽然当前实验仅用于识别物体质量和软硬度，但该方法同样适用于测算转动惯量或容器内液体黏度等特性。相较于依赖计算机视觉或外部传感器的方法，该算法无需庞大训练数据集，在面对未知环境或新物体时更具鲁棒性。

未来，团队计划将该方法与计算机视觉结合，开发更强大的多模态感知技术。“本研究并非要取代计算机视觉，两种方法各有优劣。但我们证明了无需摄像头也能测定某些属性。”Yichen Chen 强调。他们还计划将研究拓展至软体机器人等复杂系统，以及晃动液体、沙粒等流固耦合介质。

长远来看，该技术有望提升机器人学习能力，使其快速掌握新操作技能并适应环境变化。未参与该研究的英伟达仿真技术高级总监 Miles Macklin 评价：“仅凭有限或噪声数据推算物体物理特性一直是机器人领域的难题。这项研究证明，机器人仅需内部关节传感器就能准确推断质量、软硬度等属性，无需外部摄像头或专用测量工具。”

原文链接：

来源：DeepTech深科技一点号