发表在新一期《科学·机器人学》杂志上的研究显示，这个与人的手臂大小相当的机械臂在没有物理学、几何学和运动动力学知识输入的情况下，可以短时间内认知自己的形状，并作出较高水平的运动决策。
在新研究中，美国哥伦比亚大学团队先让一只机械臂随意运动并收集了大约1000个运动轨迹，每个轨迹包含100个运动节点，然后利用深度学习技术让机械臂构建自我模型。机械臂一开始不知道自己的形状如何、关节如何连接，但不到35个小时的训练后，它所构建的自我模型与实际物理形状之间误差已经很小，有助于更精准地完成任务。
实验显示，在允许机械臂根据运动轨迹自我调整的“可校准”模式下，它能以100%的成功率将多个小球夹起放入杯中。
研究人员还为机械臂换上3D打印的残缺零件，以模拟其身体损伤。结果显示，智能机械臂的自我模型可以发现“身体”的变化，经过重新训练后，能以与此前相当的水平完成实验任务。
实验显示，在允许机械臂根据运动轨迹自我调整的“可校准”模式下，它能以100%的成功率将多个小球夹起放入杯中。
研究人员还为机械臂换上3D打印的残缺零件，以模拟其身体损伤。结果显示，智能机械臂的自我模型可以发现“身体”的变化，经过重新训练后，能以与此前相当的水平完成实验任务。
研究人员说，自我想象是一种高级认知能力，目前机器人只能通过人类输入的模型或费时费力的试错来“理解”自身，而自我想象是实现通用人工智能的重要障碍。
论文作者之一、哥伦比亚大学机械工程学教授霍德·利普森说，这可能类似于婴儿的自我学习过程，因此这一研究还有助于理解人类的自我意识是如何产生的，尽管这个智能机械臂的自我意识目前还很粗浅。
论文作者之一、哥伦比亚大学机械工程学教授霍德·利普森说，这可能类似于婴儿的自我学习过程，因此这一研究还有助于理解人类的自我意识是如何产生的，尽管这个智能机械臂的自我意识目前还很粗浅。
