对于我们人类来说，很容易通过触觉来判断物体的属性，并且也很容易知道物体的硬度，因为人类天生就有敏锐的触觉感知系统，但这可能是一个问题。用于机器。巨大的挑战。麻省理工学院计算机科学与人工智能实验室（CSAIL）目前正在尝试使用正在开发的新型机器人来实现这一目标。麻省理工学院计算机科学与人工智能实验室（CSAIL）的一个团队使用了先进的触摸传感器和网络摄像头，教机器人通过观察来预测事物的感觉。研究人员已经创建了一种预测性人工智能，以帮助机器人使用多模式感官输入。他们正在教机器人“看”游戏。通过触摸它们来预测物体，并通过观察来预测它们的感觉。如果我们看到毛绒玩具和冰箱，我们几乎可以分辨出哪个更柔软，更轻，另一个更硬，更重。即使我们闭上眼睛并传递别人递给我们的东西，我们仍然可以感觉到东西的柔软度，硬度，大小和重量。但是，机器仍然很难实现识别物体的效果。麻省理工学院的研究人员使用机器人手臂上的复杂触摸传感器识别的视频和数据，通过观察和分析来预测对象。机器人可以配备视觉和触觉传感器，但是它们很难组合这些信息。因为我们年轻时就通过这种同步信息实现了人类。通过在这两个方向上的研究，我们希望未来的机器人可以具有这种能力。研究人员记录了通过网络摄像头，手臂触摸了将近200种物体（包括各种工具，纺织品和家用产品）的12,000多次。在机器人手臂上放置一个特殊的触觉传感器，让机器不断触摸物体以获取各种数据。他们将视频片段分解为单独的帧，从而为他们提供了超过300万个视觉/触觉配对图像的数据集。此信息用于帮助机器人预测看到图像时的感觉。通过大量的数据识别和分析，机器可以了解对象的属性和特征。当前，机器人只能在受控环境中识别物体。下一步是建立更大的数据集，以便机器人可以在更多样化的环境中工作。该技术可用于帮助机器人通过观察物体找到抓住物体的最佳方法。该数据集仅包括在受控环境中收集的数据，该团队希望通过在全球范围内收集新数据来改善这一点。但是，仍有一些细节很难从切换模式中推断出来，例如仅触摸对象即可了解其颜色，或者无需实际按下即可知道沙发的柔软程度。研究人员说，可以通过创建更强大的不确定性模型来扩展可能结果的分布来改善这一点。将来，这种类型的模型将有助于视觉和机器人之间更和谐的关系，尤其是在辅助或制造环境中的对象识别，抓取，更好的场景理解以及人机无缝集成方面。以这些人工智能算法为基础，机器人在未来场景中的应用增加了更多的可能性！