机器人能（néng）够对物（wù）理定律拥有直觉（jiào）理（lǐ）解，听（tīng）起（qǐ）来可能像艾萨克·阿西莫（mò）夫的小说（shuō）情（qíng）节。不过，谷歌机器（qì）人部门的（de）科学家却透露，他们已经打造出（chū）这样的机器人。目前，即使是最有能力的机器人，也很难完成投掷（zhì）、滑动、旋转、摆动、接球和其（qí）他运动技能，但是这（zhè）些科学（xué）家（jiā）表示，他（tā）们的研究工作将（jiāng）为（wéi）未（wèi）来的机器人系统奠定基础。

谷歌学生研究员Andy Zeng在（zài）一篇博客文章中（zhōng）写道：“尽管机器人在高效抓取物（wù）体、视觉自适应甚至从现实（shí）世界（jiè）经验中（zhōng）进行学习等方面已经取得了相当大（dà）的进步，但机器人（rén）操作仍（réng）然需（xū）要仔细考虑如何拾取、处理（lǐ）和放置各种（zhǒng）物体（tǐ）——尤其是在非结构化（huà）的（de）环境中。但是，机器人能不能（néng）学会（huì）有利地使用（yòng）动力学，培养物理（lǐ）‘直（zhí）觉’，从而让它们（men）更有效地完（wán）成（chéng）任务？”

为了回（huí）答这个问题，Zeng和同（tóng）事们（men）与（yǔ）普林斯顿（dùn）、哥伦（lún）比亚和麻省理工学院的研究人员合作（zuò），开发（fā）了一（yī）种他们称之为TossingBot的拾取机器人，该机器人可以学会（huì）抓取（qǔ）物体并将其扔进“自然范围（wéi）”之（zhī）外的盒子里。它不仅（jǐn）达到了之前最先（xiān）进（jìn）模型的两（liǎng）倍速度，而（ér）且（qiě）实现了两倍（bèi）的有效放置范围，并可以通（tōng）过自我监督（dū）进行改善（shàn）。

要想（xiǎng）实现具（jù）有可预测性的投（tóu）掷并不容易，即使对人类来说也是（shì）如此（cǐ）。抓力、姿势、质量、空气阻（zǔ）力、摩擦力、空气动力学（xué）和无数其（qí）他变量都会影响（xiǎng）物体的轨迹。通过反复试验来（lái）模拟射弹物理是有（yǒu）可能的，但Zeng指出，这将耗费大量的（de）计算资源，需要大（dà）量的（de）时间，而且不会生成一般普遍的规律。

相反，TossingBot使用（yòng）射（shè）弹弹（dàn）道模型来（lái）估计物（wù）体（tǐ）到达目标位置所需的速度，而且它使用端到端的神（shén）经网络——以生物神（shén）经（jīng）元为模型（xíng）的数学函（hán）数层——根据（jù）来自头顶摄像机的视觉和深度（dù）数据进行（háng）训练，以此来预测基于估计值的调整度。Zeng说（shuō），这（zhè）种混合方法（fǎ）使系（xì）统能够达到85%的（de）投掷准确度。

教会TossingBot抓取物体有（yǒu）点棘手。首先（xiān），它需要反复尝试“不好的”抓取，直到找到更好的方法，同时通过以前所未有的速度随机（jī）投掷物体来提高（gāo）投掷（zhì）能力。经（jīng）过大约14小时、1万次抓（zhuā）取和投（tóu）掷尝试后，TossingBot可以（yǐ）在大约87%的时间里牢牢抓取放置在（zài）杂（zá）乱堆积物（wù）品中的物（wù）体（tǐ）。

或许更令（lìng）人（rén）印象深刻的是，经过（guò）一两（liǎng）个（gè）小时（shí）的训练，TossingBot可以适应（yīng）从未（wèi）见过的地（dì）点和物品，比如（rú）假水果（guǒ）、装（zhuāng）饰物品和办公用品（pǐn）。Zeng说：“TossingBot很可能学会更多地依赖几何（hé）线索（如形状）来学习抓取和投掷（zhì）。这（zhè）些新出现的特性都是自我学习，除了（le）任务级的抓取和投掷之外，没有任何明确的（de）监督。然而，它（tā）们似乎足（zú）以使（shǐ）系统区分对象类（lèi）别（如乒乓球和记号笔）。”

研究（jiū）人员承认，由于TossingBot使用严格的视觉数（shù）据作为输入，如（rú）果（guǒ）对易碎物体进行测（cè）试，可能会妨碍它在测（cè）试（shì）中对（duì）新物（wù）体（tǐ）做出反（fǎn）应的（de）能力。但是他（tā）们（men）也表示，结（jié）合物理学和深度学习，将（jiāng）会是未来一个有希望的方向。