7 月 13 日消息，麻省理工學院(MIT)團隊提出一種基于視覺的深度學習方法，僅需單個攝像頭即可讓軟體機器人和仿生機器人學習運動與控制。

　　該技術突破有望大幅降低機器人開發成本，相關成果已于 6 月 25 日發表于《自然》主刊(IT之家附 DOI: 10.1038/s41586-025-09170-0)。

　　傳統工業機器人雖易于建模控制，但剛性結構難以適應狹小或不平坦地形。軟體及仿生機器人雖具備環境適應優勢，卻通常依賴大量傳感器和定制化空間模型。

　　現在，MIT 團隊通過深度學習技術解決了這一矛盾。新系統僅需通過單個攝像頭捕捉機器人運動畫面，結合名為“神經雅可比場(NJF)”的技術，使機器人通過視覺反饋建立對自身形態與運動能力的認知。

　　研究團隊對多種機器人進行了 2-3 小時多視角隨機運動視頻訓練，成功讓神經網絡通過單幀圖像重建機器人三維形態與運動范圍。

　　在氣動軟體機械手、奧利格羅機械手(16 自由度)、3D 打印機械臂及低成本 Poppy 機械臂等測試中，系統實現：

　　關節運動誤差小于 3 度

　　指尖控制誤差小于 4 毫米

　　可自適應環境動態變化

　　MIT 助理教授文森特?西茨曼(Vincent Sitzmann)表示：“視覺作為彈性傳感器，為農場、工地等非結構化環境中的機器人應用開啟新可能。”

　　CSAIL 主任丹妮拉?羅斯(Daniela Rus)補充道：“視覺反饋使系統建立自身運動動力學內部模型，在傳統定位方法失效處實現自監督操作。”