虚拟环境（ALE、MuJoCo、OpenAI Gym）极大地促进了在智能体控制和规划方面学习算法的发展和评估，然而现有的虚拟环境通常只涉及刚体动力学。尽管软体动力学在多个研究领域有着广泛的应用（例如，医疗护理中模拟虚拟手术、计算机图形学中模拟人形角色、机器人技术中开发仿生制动器、材料科学中分析断裂和撕裂），关于构建标准软体环境和基准的研究却很少。与刚体动力学相比，软体动力学的模拟、控制和分析更加错综复杂。最大的挑战之一来自其无限的自由度（DoFs）和对应的高维控制方程。软体动力学的内在复杂性使许多为刚体设计的机器人算法无法直接应用，并抑制了用于评估软体任务算法的模拟基准的发展。在一项近期研究中，MIT 沃森人工智能实验室首席科学家淦创团队与来自MIT, USCD等机构的研究者共同提出了一个支持梯度可导的机器人软体操作平台（PlasticineLab) 来解决这个问题。这篇论文内容在 ICLR 2021 大会上被选为spotlight。

内容中包含的图片若涉及版权问题，请及时与我们联系删除