研究人员开发了一种人工智能，使机器人能够利用整只手创建复杂计划

Researchers developed an AI that enables robots to create complex plans using their entire hand.

对于机器人来说，人类天然具备的全身操作技能对机器来说是一个挑战。但现在，麻省理工学院的研究人员正在利用人工智能的力量来解决这个问题，引入了一种称为接触丰富操作规划的新方法。

根据论文，这种技术采用了基于人工智能的平滑策略，以减少有效机器人操作规划所需的判断复杂性。通过考虑数十亿种潜在的接触事件，这些平滑方法提供了从大量接触事件中提炼出最佳操作计划的手段。

强化学习的最新进展推动了接触丰富动力学的新发展。这是传统的基于模型的技术此前所无法实现的成就。尽管强化学习的成功原因最初并不明确，但研究人员一直在关注从基于模型的视角揭示其潜在因素。

一个关键挑战在于接触动力学的复杂性，这对于基于模型的触觉计划而言存在困难。因此，研究人员提出了一种解决方案，引入了凸可微分模型的准动态接触动力学。

这个模型不仅增强了预测能力，还解决了与非平滑动力学相关的问题，使传统的线性模型变得不足够。接触模式平滑与基于采样的运动规划的整合是另一个重要的进展。

在接受麻省理工新闻采访时，电气工程和计算机科学（EECS）研究生、该技术论文的合著者之一H.J. Terry Suh表示：“如果我们能利用这些机器人系统的结构，使用模型来思考这个问题，就有机会加快整个决策过程并提出接触丰富的计划。”

研究人员的方法使机器人能够在几分钟内高效地进行规划，同时在不同环境和任务中保持普适性，这是资源密集型强化学习方法的有力替代。

模式平滑和快速探索随机树（RRT）的融合为高维度、接触丰富系统的全局运动规划打开了大门。这种融合利用了由马氏距离指导的局部近似，确保了全面的探索和轨迹优化。

那么，对于机器人以外的人来说，这意味着什么呢？实际上意义很大。这种新技术承诺通过推动机器在操作和互动领域中所能达到的极限，来改变机器人技术的格局。

随着时间的推移，它还可能导致机器人技术的进步，允许更复杂的任务，减少对人力劳动的需求。从理论上讲，这可能使机器人能够承担更危险的任务，同时降低与人类生命相关的风险。