人类长期以来一直是灵巧的大师。然而，机器人仍在迎头赶上。为了让机器复制人类的能力，麻省理工学院计算机科学与人工智能实验室 (CSAIL) 的一组科学家开发了一种新的人工智能系统，可以赋予机器人同样的灵活性。

新的无模型框架可以学习用机械手向上和向下重新定向物体，朝着更像人类的操纵迈出一步。在这两种情况下，它都可以操纵 2000 多个几何不同的对象。这种操纵任何东西的新能力可以帮助手以特定的方式和位置快速拾取和放置物体，甚至可以泛化到看不见的物体。

麻省理工学院 CSAIL 团队使用了一个具有 24 个自由度的模拟拟人手，并展示了该系统可以在未来转移到真实机器人系统的证据。

该系统使用具有深度学习的无模型强化学习算法和所谓的“师生”训练方法。“教师”网络接受了有关物体和机器人的信息的训练，这些信息在模拟中很容易获得，但在现实世界中却无法获得。然后将“老师”的知识提炼成可以在现实世界中获取的观察结果，例如摄像机捕获的深度图像、物体姿势和机器人的关节位置。

机器人可以重新定向大量它以前从未见过且不知道形状的物体。它可以操纵苹果、网球、弹珠等圆形小物体，成功率接近100%。然而，当涉及到更复杂的物体时，比如勺子、螺丝刀或剪刀，它的成功率会接近 30%。由于成功率因对象形状而异，因此该团队在未来指出，基于对象形状训练模型可以提高性能。