据MIT官网6月3日消息，美国麻省理工学院计算机科学与人工智能实验室（CSAIL）开发了一种称为Grasping Neural Process的深度学习模型，帮助机器人抓取具有不可预测物理特性的物体。该模型通过有限的互动数据推断物体的隐藏属性，如重量和重心，从而实现更稳定的抓取。经过成千上万个物体的训练，该模型比传统方法表现更优，所需计算能力更低，并能迅速适应新环境。此创新旨在提高机器人在家庭和履约中心等不同环境中的表现。

消息来源：https://news.mit.edu/2024/helping-robots-grasp-unpredictable-0603