來自密歇根大學的研究人員正在努力使機器人在現實世界中更有能力。從事這項研究的研究人員說，機器人用來執行任務的模型通常在實驗室內的結構化環境中運作良好。然而，當機器人在實驗室外使用時，一些最複雜的模型在某些情況下證明是不夠的，被證明對機器人來說特別困難的情況是與柔軟的材料如繩子或布一起工作。

密歇根大學的研究人員創造了一種方法，使機器人能夠預測它們何時不能信任它們的操作模型，並在它們發現支配它們控制的模型缺乏時進行恢復。據機器人學博士生彼得·米特拉諾說，從本質上講，該團隊正在尋求嘗試並教導機器人利用它所擁有的東西來解決問題。研究人員的目標是讓機器人能夠在不知道一切物理或幾何特性情況下拿起東西並移動它們。

他們創建了一個簡單的繩索動態模型，同時它在一個開放的空間中移動。該團隊添加了障礙物，並創建了一個分類器，當簡單的繩子模型足夠可靠時，該分類器就會學習但並不試圖理解繩子如何與物體互動的更複雜行為。如果機器人遇到某種情況，例如當繩子與障礙物相遇，而分類器確定簡單模型不可靠時，該團隊就會增加恢復步驟。

研究人員說，他們的方法從科學和機器人學的其他領域中獲得了靈感，在這些領域中，簡單的模型仍然是有用的。利用繩子的簡單模型，該團隊開發了一些方法，以確保該物體被用於模型可靠的適當情況，使機器人能夠在從未遇到過的新情況下歸納其知識。