AI在棋類、魔術方塊打敗人類後，MIT麻省理工學院最新研發了「疊疊樂」大師

借助機器學習和演算法模型等，機器人已成為西洋棋大師，魔術方塊記錄刷新者。MIT麻省理工學院的科學家研製的新機器人的挑戰項目是「疊疊樂（Jenga）遊戲」，別看疊疊樂規則看似簡單，但是對動手能力和思維策略的要求都非常高。

「疊疊樂」大師機器人配備有軟分叉抓爪（soft-pronged gripper）、動力感應機械手腕和外部攝影鏡頭等零件，設計結構完全是為了專精疊疊樂這一遊戲。

在疊疊樂遊戲中，玩家交替從共54條長積木條搭建的積木塔（每層三塊交錯堆疊整齊，不能移動最高三層的積木）中單手抽出一塊積木，並且使其平衡地放到塔頂最上層，去創造一個不斷增高，越來越失去根基的積木塔，直到積木塔傾倒。越曡到高層結構越不穩定，對於人類來說難度也很大，何況是機器人。

MIT的機器人研究團隊透過機器學習，訓練出了能看出抽取哪塊積木能實現最理想結果的本領。它能夠小心並迅速地「推」出理想的積木塊，然後借助視覺（外部鏡頭）和觸覺反饋（動力感應手腕），並迅速與之前學會的「疊疊樂」玩法作對比，記錄能導致更好結果的玩法，不斷精通玩法。

根據收集的資料，機器人隨後衡量不同動作可能產生的各種後果-尤其是當一個積木塊處於特定的位置時，所需的精確力度的推動動作就會被迅速執行。

借助機器人臂結構，該機器人能夠執行緩慢且精確利落的一步動作取出積木塊，將之小心地搭建到塔頂部，同時不讓積木塔傾塌。

MIT疊疊樂大師機器人的研究詳情發表於《科學機器人》子刊文章中，MIT機械工程系Alberto Rodriguez羅德里格茲教授在一則聲明中稱，該機器人的視覺-觸覺組合讓它能夠很好地執行疊疊樂遊戲任務。

羅德里格茲教授寫道：

與其它更依靠認知思維的任務或遊戲（如西洋、圍棋等）不同，玩疊疊樂同樣需要掌握物理技巧，比如試探、推動、拉動、放置和對齊等技巧。

研究團隊希望機器人的觸覺學習系統能夠應用於其它的任務，比如垃圾拆卸回收，組裝消費級產品等。

羅德里格茲教授寫道：

在手機裝配線中，幾乎每一步都需要有良好的扣合（Snap-Fit）感，或者要對螺釘相關的操作有契合感，這些都要透過力度和觸感培養，而不僅只透過視覺。

對於該行業來說，掌握這些動作的學習模型資產就是真正的黃金。

• 本文授權轉載自cnBeta