麻省理工学院（MIT）、亚马逊机器人公司（Amazon Robotics）和不列颠哥伦比亚大学的研究人员开发了一种新技术，使机器人能够仅通过内部传感器来识别物体的属性，如重量、柔软度或内容物。这项技术模仿了人类在处理物品时的感觉，通过简单的抓取和摇晃动作，机器人可以在几秒钟内准确地估计出物体的质量。 该团队利用一种称为“可微分物理”的技术，结合了机器人的运动模型和物体的动力学模型。通过这种模拟，算法可以观察机器人与物体之间的物理互动，并使用关节编码器的数据反向计算物体的属性。例如，当机器人施加相同的力时，重物的移动速度会比轻物慢。由于这项技术不需要额外的感知设备，如触觉传感器或视觉追踪系统，因此成本较低，更适合在难以使用摄像头的环境中应用，比如黑暗的地下室或地震后部分倒塌建筑物中的废墟清理。 研究人员的算法通过比较不同属性的变化与机器人实际运动的终点位置，能够在几秒钟内确定正确的参数。他们的方法只需一条真实世界中的机器人运动轨迹即可实现精确估计。在未来，研究团队希望将这一方法与计算机视觉结合起来，创建更强大的多模态感知技术。此外，他们还计划探索复杂机器人系统（如软体机器人）和复杂对象（如液体或沙子）的应用。 这项研究的核心人物包括MIT博士后Peter Yichen Chen，他是论文的主要作者，以及同为MIT博士后的Chao Liu，还有来自Amazon Robotics、清华大学、MIT电气工程与计算机科学系教授Daniela Rus和Wojciech Matusik等多位合作者。Rus领导着MIT的计算机科学与人工智能实验室（CSAIL），而Matusik则负责CSAIL内的计算设计与制造组。 业内专家对这项研究给予了高度评价。NVIDIA模拟技术高级总监Miles Macklin表示，物体物理属性的识别一直是机器人领域的挑战，尤其是当只有有限或噪声数据可用时。这项工作的重要性在于证明了机器人仅通过内部关节传感器就能准确推断出物体的质量和柔软度，而无需依赖外部摄像头或专用测量工具。 这项技术的应用前景广阔，不仅有望提高机器人在各种环境中的适应能力，还能帮助未来机器人更快地学习新的操作技能。研究团队将在国际机器人与自动化会议上展示他们的研究成果，论文已发表在arXiv预印本服务器上。 这项突破性的技术展示了一个低成本但高效的解决方案，有望在物流、救援和日常生活等多个领域得到广泛应用。它解决了目前许多机器人系统无法在缺乏视觉信息的情况下有效工作的困境，为未来的机器人技术发展开辟了新的路径。MIT和Amazon Robotics在此领域的合作也显示了学术界与工业界之间的良好协作，共同推动了机器人技术的进步。