盖世汽车讯 让机器人拥有媲美人类的灵巧物件操作能力，长期以来都是机器人领域最难攻克的难题之一。像手持物体旋转、双臂协作搬运大件物品这类任务，需要不断调整接触位置、抓握姿态与运动轨迹。这类技能无论通过代码编程，还是由人类远程操控示范，都难以实现。
图片来源：纽约大学坦登工程学院
据外媒报道，纽约大学坦登工程学院（NYU Tandon）与机器人及人工智能研究所（the Robotics and AI Institute）的研究人员发现，机器人无需依靠人类示范，也能通过运动规划算法习得上述动作。该研究成果发表于《IEEE机器人与自动化快报》，还斩获了该期刊最佳论文奖。研究指出，合成训练数据的质量，远比业界以往认知的更为重要。
人类示范方式存在短板
当前主流的机器人学习系统大多采用模仿学习，即机器人复刻人类远程操控设备时做出的动作。但对于需要多点同时接触、手指频繁活动的高难度精细操作，远程操控系统很难胜任。
为突破这一局限，研究团队借助运动规划算法，在物理仿真环境中自动生成动作示范，尝试让机器人从虚拟场景中积累经验，而非单纯模仿人类。但研究人员发现了一个问题：业界常用的快速扩展随机树（RRT） 规划算法，生成的示范动作连贯性极差。
