他們創造的機器人可以探測他們在太空中的位置?由體育提供 他們創造的機器人可以探測他們在太空中的位置。

美國麻省理工學院（MIT）的研究人員創造了一個深度學習神經網絡，通過檢測機器人的位置以及身體的所有部位，"教 "機器人在太空中自主定位。這些條件提高了機器人設備的效率，使其潛在的應用多樣化。

根據消息，人工智能系統提供的新功能使軟體機器人能夠更好地與環境互動，并在每種情況下完成分配的任務。這一突破是向機器人設計自動化邁出的一步，因為神經網絡能夠計算出如何最好地設計每個機器人來解決特定的任務。麻省理工學院的科學家們在他們的研究中提出，發表在《IEEE機器人與自動化通訊》雜志上的一項技術進步的實現，使白體機器人能夠更好地與環境和自身結構相關。與剛性的皮革設備不同，這些機器人可以在幾乎無限多的形狀之間變化。

雖然這種情況增加了它們的通用性，使它們更加人性化，但同時也使它們難以在空間中定位，難以探測其結構的每一個部分。因此，這些機器人往往不能正確地與環境發生關系，在效率和解決能力方面失去了可能性。

解決空間位置問題

剛性機器人的運動范圍是有限的，由于存在一組有限的關節和肢體，可以進行可控的計算，進行繪圖和運動規劃，而軟性機器人的情況則大不相同。就是軟體機器人上的任何一點，理論上都可以以各種可能的方式變形。從邏輯上講，這使運動的可能性倍增，使其設計非常復雜。

現在，美國研究人員創造的算法已經能夠幫助工程師設計出能夠收集更多有用環境信息的軟機器人。結合深度學習系統，該算法會建議機器人體內的傳感器優化位置，使其能更好地捕捉環境，成功執行新任務。

得益于這項創新，專家們認為，他們已經向開發真正高效的白車身機器人邁出了重要一步。值得注意的是，神經網絡結合了機器人身體各個部位的特點，隨后進行試錯，通過試錯 "學習 "最有效的動作序列來完成特定的任務，比如抓取不同大小的物體。

智能自動化

為了驗證該系統的效率，研究人員比較了由他們的算法優化的傳感器的機器人與其他根據專家判斷放置傳感器的機器人的工作情況。結果是結論性的：人工智能系統設計的機器人在效率和解決任務的能力上明顯優于人類優化的機器人。

基于這些成果，科學家們認為，這一技術方案可以為機器人設計的智能自動化開辟一條新的道路，增加其在工業和經濟活動各個領域的影響力，并將其用于與人類的協助和協作任務。