来自密歇根大学的研究人员正在努力使机器人在现实世界中更有能力。从事这项研究的研究人员说，机器人用来执行任务的模型通常在实验室内的结构化环境中运作良好。然而，当机器人在实验室外使用时，一些最复杂的模型在某些情况下证明是不够的，被证明对机器人来说特别困难的情况是与柔软的材料如绳子或布一起工作。
密歇根大学的研究人员创造了一种方法，使机器人能够预测它们何时不能信任它们的操作模型，并在它们发现支配它们控制的模型缺乏时进行恢复。据机器人学博士生彼得·米特拉诺说，从本质上讲，该团队正在寻求尝试并教导机器人利用它所拥有的东西来解决问题。研究人员的目标是让机器人能够在不知道一切物理或几何特性情况下拿起东西并移动它们。
他们创建了一个简单的绳索动态模型，同时它在一个开放的空间中移动。该团队添加了障碍物，并创建了一个分类器，当简单的绳子模型足够可靠时，该分类器就会学习但并不试图理解绳子如何与物体互动的更复杂行为。如果机器人遇到某种情况，例如当绳子与障碍物相遇，而分类器确定简单模型不可靠时，该团队就会增加恢复步骤。
研究人员说，他们的方法从科学和机器人学的其他领域中获得了灵感，在这些领域中，简单的模型仍然是有用的。利用绳子的简单模型，该团队开发了一些方法，以确保该物体被用于模型可靠的适当情况，使机器人能够在从未遇到过的新情况下归纳其知识。
（举报）
