新仿真方法让机器人准确感知物体属性
MIT团队开发本体感知仿真技术，机器人抓取摇晃即可秒级推断物体重量、柔软度等物理属性
人类清理阁楼杂物常能仅凭拿起摇晃箱子猜出内容，无需看内部。MIT、Amazon Robotics、不列颠哥伦比亚大学研究人员教会机器人类似能力。
纯内部传感器实现物理属性推断
开发技术使机器人仅用内部传感器，通过拿起轻摇学习物体重量、柔软度、内容物。无需外部测量工具或相机，机器人几秒内准确推断物体质量等参数。
低成本技术在相机效果不佳场景特别有用：地下室黑暗分拣物体、地震后部分倒塌建筑清理废墟。
可微分仿真核心方法
核心是结合机器人和物体模型的仿真过程，随机器人交互快速识别物体特征。
研究者技术推断物体质量媲美结合计算机视觉更复杂昂贵方法。数据高效方法足够稳健处理多类未见场景。
"这个想法通用，我认为我们才触及机器人以此方式能学到什么表面，"MIT博士后、论文第一作者Peter Yichen Chen说，"梦想让机器人走向世界，触摸移动环境中事物，自主弄清交互一切属性。"
本体感知与关节编码器数据
方法利用本体感知——人或机器人感知自身运动或空间位置能力。如健身房举哑铃，人能通过手腕二头肌感知重量，虽手持哑铃。同理机器人通过手臂多关节"感知"物体重量。
"人类无手指关节角度超精确测量或施加物体精确扭矩，但机器人有。我们利用这些能力，"共同作者、MIT博士后Chao Liu说。
机器人提起物体时，系统收集关节编码器信号——检测运动中关节旋转位置速度传感器。多数机器人电机内置关节编码器，使技术比需触觉传感器或视觉跟踪系统方法更具成本效益。
双模型可微分仿真反演
估算机器人-物体交互中物体属性，系统依赖两模型：模拟机器人及运动、模拟物体动力学。"拥有真实世界精确数字孪生对方法成功至关重要，"Chen补充。
算法"观察"机器人和物体物理交互运动，用关节编码器数据反推识别物体属性。如同等力下较重物体运动较慢。
利用可微分仿真技术，允许算法预测物体属性微小变化（如质量、柔软度）如何影响机器人最终关节位置。研究者用NVIDIA Warp库构建仿真，开源开发者工具支持可微分仿真。
可微分仿真匹配机器人真实运动时，系统识别正确属性。算法几秒完成，仅需一条机器人运动真实轨迹即可计算。
"技术上，只要知物体模型和机器人如何对物体施力，应能弄清想识别参数，"Liu说。研究者用方法学习物体质量和柔软度，技术也可确定转动惯量、容器内流体粘度等属性。
且算法不需计算机视觉或外部传感器方法那样大量训练数据集，面对未见环境或新物体不易失效。
未来展望：多模态感知与复杂系统
未来研究者想结合计算机视觉创建更强大多模态感知技术。"不试图替代计算机视觉，两方法各有优劣。但展示无相机已能弄清部分属性，"Chen说。
还想探索更复杂机器人系统（如软体机器人）和复杂物体（含晃动液体、沙子等颗粒介质）。长远应用技术改进机器人学习，让未来机器人快速开发新操作技能、适应环境变化。
更多信息，请联系Melanie Grados：邮箱需启用JavaScript查看；电话：617-253-1682。
传感器