我们中的许多人在偶然发现一堆由水、盐和面粉组成的荧光、橡胶混合物时，都会感到一种来自内心深处的喜悦，这种混合物名叫橡皮泥(即使这种情况在成年后很少发生）。虽然捏橡皮泥对两岁的孩子来说很有趣，也很容易，但这种没有形状的淤泥对机器人来说却相当难处理。对于刚性物体，机器已经变得越来越可靠，但操纵柔软的、可变形的物体却有一长串的技术挑战。困难的关键之一是，与大多数柔性结构一样，如果机器人的手改动一个部分的形状就可能会影响到其他一切。

最近，来自麻省理工学院计算机科学与人工智能实验室（CSAIL）和斯坦福大学的科学家们让机器人参与到建模化合物的游戏中，但不是为了怀旧。他们名为"RoboCraft"的新系统直接从视觉输入中学习，让一个拥有双指抓手的机器人看到、模拟和塑造面团物体。它可以可靠地规划机器人的行为，捏住和释放橡皮泥，制作各种字母，包括它从未见过的字母。事实上，只用了10分钟的数据，这个双指抓手就能与远程操作机器的人类同行相媲美--在测试任务中表现相当，有时甚至更好。

CSAIL博士生和一篇关于RoboCraft的新论文的作者李云珠说："建模和操纵具有高自由度的物体是机器人学习如何实现复杂的工业和家庭互动任务的基本能力，如包饺子、卷寿司和制作陶器。虽然最近在操纵衣服和绳索方面取得了进展，但我们发现具有高可塑性的物体，如面团或橡皮泥--尽管在这些家庭和工业环境中无处不在--在很大程度上是一个未被探索的领域。有了RoboCraft，我们直接从高维感官数据中学习动力学模型，这为我们进行有效的规划提供了一个有希望的数据驱动途径。"

在处理未定义的光滑材料时，在进行任何形式的高效和有效的建模和规划之前，必须考虑到整个结构。RoboCraft使用图形神经网络作为动力学模型，并将图像转化为微小颗粒的图形与算法一起提供关于材料形状变化的更精确预测。

RoboCraft只是采用了视觉数据，而不是复杂的物理模拟器，研究人员经常使用这些模拟器来模拟和理解作用于物体的动力学和力。在该系统中，有三个组成部分共同作用，将软性材料形成，比如说，一个"R"字。

感知--该系统的第一部分--是关于学习"看"。它采用摄像机从环境中收集原始的视觉传感器数据，然后将其转化为小的粒子云来表示形状。这种粒子数据被一个基于图形的神经网络用来学习"模拟"物体的动态，或它如何移动。有了来自多次捏的训练数据，算法就能帮助规划机器人的行为，这样它就能学会"塑造"一团面团。尽管这些字母看着还是有点马虎，但它们无疑已经具有代表性。

除了创造各种形状，该研究小组（实际上）正在研究用面团和准备好的馅料制作饺子。目前，只用一个两指的抓手就能做到这一点，要求很高。擀面杖、印章和模具将是机器人工艺所需的额外工具（就像面包师需要各种工具来有效工作一样）。

科学家们进一步设想的未来领域是使用RoboCraft协助完成家庭任务和家务，这可能对老年人或行动不便的人有特别帮助。为了实现这一目标，考虑到可能发生的许多障碍，需要对面团或物品进行更多的适应性表示，以及探索哪一类模型可能适合于捕捉基础结构系统。

"RoboCraft本质上证明了这种预测模型可以以非常有效的数据方式学习，以规划运动。从长远来看，我们正在考虑使用各种工具来操纵材料，"李说。"如果你考虑包饺子或做面团，仅仅一个抓手是无法解决的。帮助模型理解并完成更长远的规划任务，例如，在当前工具、运动和行动的情况下，面团将如何变形，是未来工作的下一步。"