麻省理工学院研究团队最近基于愿景开发了一项深度学习技术，该技术仅需要一个摄像机来允许软件和仿生机器人学习运动和控制。预计新技术将显着降低机器人的研发成本，并于6月25日发表在《自然》杂志上。今天的工业机器人相对易于建模和控制，但由于其刚性结构，它们的性能仅限于狭窄或不平等的地形。柔软的仿生机器人提供了更多的环境适应性，但通常需要大量的传感器和专门设计的空间模型。 Ahora，Los Invevelly Del Mit Usaron El Aprendizaje Profundo Para para esolver este问题。 El nuevo sistema captura laspelículasdel Robot atravésde una solacámaray combina y combina una una技术称为“神经雅各布田（NJF）”，以允许机器人建立自己对形态和运动CAPA的理解通过视觉反馈的能力。研究人员使用多个视角，2-3个小时的随机运动训练了多个机器人，并成功地允许神经网络重建机器人的三维形式和单个框架图像的运动范围。在某些测试中，包括轮胎软机器人，原始机器人（16度自由度），3D打印的机器人臂和低成本的Poppal机器人臂，该系统可实现以下性能，关节运动误差小于3度。麻省理工学院助理教授Vincent Sizman说：“将视觉用作弹性检测的一种手段为机器人应用打开了一个新窗口。”