Onderzoekers van het Massachusetts Institute of Technology (MIT) hebben een innovatief AI-systeem ontwikkeld waarmee robots hun eigen bewegingen kunnen leren beheersen door middel van visuele feedback. Dit systeem, bekend als Neural Jacobian Fields (NJF), stelt robots in staat om hun interne model van beweging te ontwikkelen door simpelweg naar zichzelf te kijken via een enkele camera.
Traditionele robotica vereist vaak complexe sensoren en gedetailleerde programmering om robots te trainen. NJF daarentegen maakt gebruik van visuele input om robots in staat te stellen zelfstandig te leren en zich aan te passen aan hun omgeving. Dit opent de deur naar meer flexibele en aanpasbare robots die in diverse en onvoorspelbare omgevingen kunnen opereren.
Het systeem is getest op verschillende robottypes, waaronder een zachte robotarm, een rigide hand en een 3D-geprinte arm. In elk geval leerde het robotlichaam zijn eigen geometrie en hoe het reageerde op besturingssignalen, uitsluitend op basis van visuele data en willekeurige bewegingen. Deze benadering elimineert de noodzaak voor gedetailleerde interne modellen of extra sensoren, wat de ontwikkeling van robots vereenvoudigt en versnelt.
De potentiële toepassingen van NJF zijn breed. In de industrie kan het worden gebruikt om robots te trainen voor complexe taken zoals assemblage en kwaliteitscontrole. In de gezondheidszorg kunnen robots met NJF worden ingezet voor taken als chirurgie en revalidatie. En in de logistiek kunnen ze worden gebruikt voor het sorteren en verpakken van goederen. MIT's benadering van robotica, waarbij de focus ligt op het nabootsen van de manier waarop mensen leren, is een veelbelovende weg naar de ontwikkeling van meer intelligente en autonome machines.
Dit onderzoek werd gepubliceerd in juni 2025 in het tijdschrift Nature. De bevindingen zijn een belangrijke stap in de richting van robots die in staat zijn om zelfstandig te leren en zich aan te passen aan hun omgeving, wat de weg vrijmaakt voor een nieuwe generatie robots die in staat zijn om complexe taken uit te voeren in een breed scala aan omgevingen.