由于新技术，使他们能够创建简单的工具，机器人可能是他们自己版本的石器时代的边缘。
使用新颖的功能来推理无关零件的形状，函数和附件，研究人员首次成功培训了智能代理，通过组合对象来创建基本工具。
突破来自格鲁吉亚科技的机器人自主和互动学习（铁路）研究实验室，这是使智能代理能够设计更先进的工具，这些工具可以证明在危险性和潜在的危及生命的环境中。
这个概念可能听起来很熟悉。它被称为“Macgymering”，基于20世纪80年代的名称 - 最近重新启动 - 电视剧。在该系列中，标题特征是他使用不同资源可用的非常规的解决问题的非传统问题解决能力。
多年来，计算机科学家和其他人一直在努力提供具有相似能力的机器人。在新的机器人 - Macgymering工作中，通过副教授索尼娅Chernova领导的铁路实验室研究人员用作以前由前格鲁吉亚科技教授Mike Stilman教授开发的机器人技术。
在这项最新工作中，使用团队的新方法培训的机器人被给出了一组可选部分，并告诉特定的工具。就像它的人类同行一样，机器人首先检查每个部分的形状以及如何连接到另一部分的形状。
使用机器学习，训练机器人以匹配形式到功能 - 从许多日常对象的众多示例中促进特定结果的对象形状。例如，通过学习碗的凹面使它们能够保持液体，它在构造勺子时利用这种知识。类似地，机器人被教导如何将物体从可以刺穿或掌握的材料的示例附加。
在研究中，研究人员成功地创建了锤子，铲子，勺子，刮刀和螺丝刀。
“螺丝刀特别有趣，因为机器人组合钳子和硬币，”Lakshmi Nair说，博士说。学生在互动计算学院和项目上的研究人员。“它推出了钳子能够掌握某些东西，并表示硬币有点匹配螺丝刀的头部。把它们放在一起，它创造了一个有效的工具。“
目前，机器人仅限于形状和附件。它无法有效地理解特定材料特性，这是进入真实情景的关键步骤。
“人们的原因是锤子坚固强壮，所以你不会从泡沫块中竖起锤子，”Nair说。“我们希望在我们的工作中达到这种推理程度，这是我们现在正在努力的东西。”
这项工作的灵感来自阿波罗13的流行故事，失业的第七次营业的阿波罗空间计划。在船舶服务模块中的氧气罐爆炸到任务中，船员被迫对二氧化碳去除系统进行临时修改。
尽管在所有船尾和任务控制中，令人危险的时间窗口和极高的紧张局势，但救助证明是成功的。Nair和合作者希望这项研究能够向未来的机器人技术证明可能更快，没有压力的负担。
“他们能够制作这种过滤器，但解决方案花了很长时间才能提出来，”Nair说。“我们希望制作可以帮助这些场景中的人类的机器人，从而避免他们的压力提出创新的解决方案并潜在拯救他们的生活。”
这项工作是在2019年的机器人学呈现：科学与系统会议在纸张上标题使用零件形状和附件预测（Lakshmi Nair，Nithin Shrivatsav，Zackory Erickson，Sonia Chernova）。它由国家科学基金会和海军研究办公室的补助金提供支持。
图片来源：格鲁吉亚理工学院
