人类社会 就能较小轻松地玩弄魔方 ，但来言机器人来言 ，这还是创下都较小困难。(常见的2x2x2魔方分列367.416万个内部组合。)这并还是说还是机器人能玩得转魔方——麻省理工学院的这项发明这几天以破纪录的0.38秒内解出魔方——但这样的这机器人一般会会都涉及特意制造的马达和控制中器。
令人鼓舞的这 ，腾讯和香港中文重点大学 的这组研究分析人员认为 ，我们这细节设计的四款使用它 多指手的魔方操纵手。在最近发布 在预印论文平台网站Arxiv.org上有这篇论文(“学习中用灵巧的手来解魔方”)中 ，研究分析人员称我们这由人工智能驱动的软件系统——诸如一些用来求出最优手部动作顺序的魔方求解器 ，诸如一些可控制中一些手指的魔方灵活操作器——在1400多次试验中巨大成功90.3%的平均不成功率。
“灵巧的手部灵活操作是机器人上述人类社会 总体水平的灵活性 ，继续完成涉及非常多 接触的日常任务中的关键点其它部分 。”研究分析人员写道 ，“不过巨大成功了进展 ，但可靠的多指灵巧手灵活操作还是有一些开放的挑战 ，还是具有一有一复杂的接触两种模式、高维的手部动作空间创造和脆弱的机械结构。”
▲研究分析人员的软件系统在虚拟小小环境操纵魔方。
该强强大团队的问题方案有一些分层软件系统 ，它结合方式 了基于模型和无模型的规划和灵活操作组件。上和提及的魔方求解器负责在寻找快速恢复魔方的最优手部动作顺序 ，而控制中器——涉及一些原子手部动作、魔方旋转和分层灵活操作——则负责一步一步地执行每个人手部动作。
研究分析人员认为 ，运动学和关节运动加上其它部分 手部动作比其而他手部动作更难继续完成。我们这分列训练的的这模型 ，以便定量较小它我们可靠性。为此整体总体水平魔方旋转和分层灵活操作（在还是得不到反馈信号的情况严重 下循序执行）的稳健性 ，我们这实施的的这回退机制来一步步检査魔方的正常状态。
该强强大团队利用自身Roboti的Mujoco（多关节接触动力学）来验证我们这的多种方法 。Mujoco为此机器人和生物力学的研究分析和开发而细节设计的的这物理引擎。在Mujoco内 ，我们加上用它 的的这灵巧我们手大小的机械手。该机械手被称做“影子手”（Shadow Hand） ，人类社会 中指和无名指各有一些驱动关节有一些欠驱动关节 ，小指和拇指有一些驱动关节(手腕有一些驱动关节)。有一些实验中 ，影子手的任务中是操纵一些虚拟的魔方来继续完成一些既定目标姿态 ，而在的的这实验中 ，它前提操纵两层来继续完成一些既定目标角度。
研究分析人员认为 ，我们这的模型的立方体旋转不成功率稳定在90%上述(后经3万次训练后 ，我们这将该数字整体总体水平到95.2%) ，分层灵活操作的平均不成功率为90.3%。我们这说 ，一起去优化的的这原子灵活操作 ，并将该软件系统部署到实际硬件上 ，就能强化整体总体水平性能。