研究人员利用新颖的能力来推理不相关部分的形状，功能和附着，首次成功地训练了智能代理，通过组合对象来创建基本工具。

这一突破来自佐治亚理工学院的机器人自治和交互式学习(RAIL)研究实验室，是实现智能代理设计更先进的工具的重要一步，这些工具可以在危险和可能危及生命的环境中发挥作用。

这个概念听起来很熟悉。它被称为“MacGyvering”，基于20世纪80年代的名称 - 以及最近重新启动的电视连续剧。在这个系列中，标题角色以其非常规解决问题的能力而闻名，他使用不同的资源。

多年来，计算机科学家和其他人一直致力于提供具有类似功能的机器人。在他们的新机器人MacGyvering工作中，由副教授Sonia Chernova领导的RAIL实验室研究人员将以前由佐治亚理工学院教授Mike Stilman开发的机器人技术作为起点。

在这项最新的工作中，使用团队新颖方法训练的机器人被赋予一组可选部件并被告知制作特定工具。与人类对应物非常相似，机器人首先检查每个部件的形状以及如何将它们连接到另一个部件上。

使用机器学习，机器人被训练以匹配形式与功能 - 对象形状促进特定结果 - 来自日常物体的众多示例。例如，通过了解碗的凹度使它们能够容纳液体，它在构造勺子时利用了这些知识。类似地，机器人被教导如何将物体连接在一起，从可以刺穿或抓住的材料的例子。

在这项研究中，研究人员成功地制造了锤子，刮刀，铲子，刮刀和螺丝刀。

“螺丝刀特别有趣，因为机器人结合了钳子和硬币，”Lakshmi Nair博士说。交互计算学院的学生和该项目的研究人员之一。“它推断钳子能够掌握一些东西并说硬币与螺丝刀的头部相匹配。将它们组合在一起，它创造了一种有效的工具。”

目前，机器人仅限于形状和附件。它还不能有效地推断特定的材料特性，这是推进现实世界情景的关键一步。

“人们认为锤子坚固耐用，所以你不会用泡沫块制作锤子，”奈尔说。“我们希望在我们的工作中达到这种推理水平，这是我们现在正在努力的事情。”

这项工作的灵感来自阿波罗13号的流行故事，这是阿波罗太空计划的第七次载人飞行。在船舶服务舱中的氧气罐爆炸两天后，船员被迫对二氧化碳清除系统进行临时修改。

尽管在所有船上和在任务控制下都有一个危险的紧张时间窗口和极高的紧张局势，但救援证明是成功的。Nair和合作者希望这项研究能够证明未来机器人技术的基础，这种技术可以更快地推理并且没有压力负担。

“他们能够制造这种过滤器，但解决方案需要很长时间才能实现，”奈尔说。“我们希望制造能够帮助人类在这些场景中使用机器人来减轻他们的压力，从而提出创新的解决方案并挽救他们的生命。”