7 月 13 日消息，麻省理工学院（MIT）团队提出一种基于视觉的深度学习方法，仅需单个摄像头即可让软体机器人和仿生机器人学习运动与控制。

该技术突破有望大幅降低机器人开发成本，相关成果已于 6 月 25 日发表于《自然》主刊（IT之家附 DOI: 10.1038/s41586-025-09170-0）。

传统工业机器人虽易于建模控制，但刚性结构难以适应狭小或不平坦地形。软体及仿生机器人虽具备环境适应优势，却通常依赖大量传感器和定制化空间模型。

现在，MIT 团队通过深度学习技术解决了这一矛盾。新系统仅需通过单个摄像头捕捉机器人运动画面，结合名为“神经雅可比场（NJF）”的技术，使机器人通过视觉反馈建立对自身形态与运动能力的认知。

研究团队对多种机器人进行了 2-3 小时多视角随机运动视频训练，成功让神经网络通过单帧图像重建机器人三维形态与运动范围。

在气动软体机械手、奥利格罗机械手（16 自由度）、3D 打印机械臂及低成本 Poppy 机械臂等测试中，系统实现：

关节运动误差小于 3 度

指尖控制误差小于 4 毫米

可自适应环境动态变化

MIT 助理教授文森特・西茨曼（Vincent Sitzmann）表示：“视觉作为弹性传感器，为农场、工地等非结构化环境中的机器人应用开启新可能。”

CSAIL 主任丹妮拉・罗斯（Daniela Rus）补充道：“视觉反馈使系统建立自身运动动力学内部模型，在传统定位方法失效处实现自监督操作。”