Romina Mir和Anastasia Kozlova的图像使用Midjourney，Photoshop和Figma
机器人手臂或假肢如何学习复杂的任务，例如抓握和旋转球？人类，假肢或机器人手的挑战一直是正确地学习控制手指的挑战 将力施加在物体上。覆盖我们手的敏感皮肤和神经末尾的归因于帮助我们学习和适应我们的操纵，因此机器人已经坚持合并 机器人手上的传感器。但是，鉴于您仍然可以学会用手套处理对象。
这个谜团激发了维特比工程学院瓦雷洛布（Valerolab）的研究人员，以探索是否确实需要学习控制手指的触觉感觉。研究人员Romina Mir，Ali Marjaninejad，Andrew Erwin和Alfred Mann生物医学工程系内的Francisco Valero-Cuevas教授问：如何与手（其性质）与手相互作用的传感器如何与手培训（培训（培养）学习复杂任务的方式？
在日记中的论文中科学进步，该团队使用计算建模和机器学习解决了经典的性质与培养问题。纸 课程在强化对物体操纵的强化过程中比触觉信息更具影响力基于实验室以前与手动进化和人工智能有关的工作。这表明，学习的顺序，也称为课程，对于学习发生至关重要。实际上，研究人员指出，如果课程以特定顺序进行，则模拟机器人手可以学会以不完整甚至没有触觉感觉来操纵。
在这项研究中，团队使用软件来模拟三指机器人手，以对长期以来的观念进行反示例，即触感始终是必要的，” Valero-Cuevas说，并强调了奖励对培训的重要性的重要性。
奖励指导了该系统的开发，''通讯作者弗朗西斯科·瓦罗·库埃瓦斯（Francisco Valero-Cuevas）也是南加州大学生物科学和物理疗法的教授。
他补充说，“就像生物系统一样，是他们经验的产物。机器学习与生物学之间的这种联系是一种强大的联系，可以实现人工智能系统的进步，可以在物理世界中学习和适应。
在Viterbi工程学院与圣克鲁斯分校（UCSC）的加利福尼亚大学之间的合作中，博士生Parmita Ojaghi（UCSC）和Romina Mir（USC）与Michael Wehner（UCSC）合作共同领导这项工作。Ali Marjaninejad和Andrew Erwin（USC）也为这项工作做出了贡献。
于2025年4月6日出版
最后一次更新于2025年4月6日