软体机器人是用模拟人类肌肉的柔软材料制作的，大多数软体机器人的设计是模仿自然界的各种生物，能完成很多传统机器人做不了的任务。因为传统机器人一般都是坚硬的金属机器人，有些任务，它们根本不合适。软体机器人能够更加安全地与人互动，也能很容易进入到狭小的空间里面。

　　软体机器人虽然可以为人们提供很多方便，但是，想让它们准确地完成人们指定的任务，却是一件非常困难的事情。这需要科学家们进行非常多的科学研究和实验。可以说，在人工智能领域，取得任何点滴进步，都相当了不起！任何一个小小的进步，都凝聚着无数科学家的心血和汗水。

　　人工智能如何促进软体机器人的发展呢？换句话说，需要用到人工智能的什么技术，怎么才能让软体机器人准确地忠实地为人类服务呢？这是一个很难回答、很难解决的问题。因为软体机器人几乎可以有无限多的身体变形，它们需要随时都能知道自己所有身体部位的位置，才能准确地完成程序设定的任务。

　　为了解决这个高难度的问题，研究人员开发出一种深度学习神经网络。这个深度学习神经网络优化了软体机器人身体上的传感器装配的位置，这样，机器人就能尽量高效地完成作务了。具体是怎么回事呢？请耐心一点，接着往下看。

　　麻省理工学院的研究人员开发了一种深度学习神经网络，建议优化传感器在机器人体内的位置，从而使机器人更好地与周围环境互动，并完成设定的任务。工程师根据这一建议，可以设计出能够收集更多周围信息的软体机器人。

　　设计这样的机器人的难点在于，不可能在机器人身上安装无数个传感器。那么传感器应该安装在哪些位置才能获得最大的性价比，这个问题很关键。

　　首先，研究人员将机器人的身体划分为被称为“粒子”的小区域。将每个粒子的应变速率输入神经网络。经过反复的试验，这个网络“学习”了完成任务的最有效的动作序列，比如怎么抓住不同大小的物体。与此同时，该网络跟踪那些使用最频繁的粒子，并从网络后续试验的输入集合中挑选出使用较少的粒子。

　　传感器就应该装在那些使用最频繁的区域。比如说，要用机器人的手去抓取东西，那么传感器就要装在手掌里面和手指的周围。这样机器人才能精确操纵抓取的对象。比如，抓鸡蛋和抓砖头，抓握的方式和力量肯定不一样。

　　软体机器人的发展，除了开发控制机器人运动的算法，还要解决机器人通过感知获得信息，并协调身体上其他组件互相配合。通过优化传感器的安装位置，机器人才能更加广泛地应用于工业生产，尤其是用于一些精细的任务。这样才可以帮助人们完成大量的体力劳动。

　　达成这些目标的关键，就是传感器。它可以使机器人能够“看到”并理解自己与周围环境的关系。