人类在日常生活中经常接触各种类型的流体，但对于当前的机器人系统来说，对流体的认知和处理都是不成熟的，他可以给你递上一杯水，但他无法利用水进行一些任务的操作，而如今针对机器人对流体认知的训练已经开始了。
FluidLab是麻省理工学院计算机科学与人工智能实验室研究人员开发的一种新模拟工具，可增强机器人对复杂流体操作任务的学习能力，例如制作拿铁艺术、冰淇淋，甚至操纵空气，这个虚拟环境会对固体、液体和气体等进行建模，甚至包括弹性、塑料、刚性物体、牛顿和非牛顿液体以及烟雾和空气也可以在这个环境中进行模拟，以提供给机器人一系列复杂的流体处理挑战。
FluidLab 的核心是 FluidEngine，这是一种易于使用的物理模拟器，能够无缝计算和模拟各种材料及其相互作用，同时利用图形处理单元 (GPU) 的强大功能来加快处理速度，这意味着模拟器可以将物理知识融入更逼真的物理世界模型中，从而更有效地学习和规划机器人任务。
现有的机器训练通常是依靠反复的真实情景模拟进行的，而这种类“元宇宙”概念的训练方法可以增加机器人训练的情形，同时可以进行多次重复模拟，对机器学习而言更加有利，目前研发团队使用FluidLab发现并克服了流体系统中的特性，开发了针对性的方法，并对机器人进行相关的训练。
研究人员举了一个流体控制的例子：“想象一下，在刮风的日子里，您正在河边野餐，一阵风不小心卷起你的餐巾纸，落在水面上，迅速飘离你，这时候你抓住附近的一根棍子，小心地搅动水以将其取回，从而产生一连串的小波浪，这些波浪最终将餐巾推回岸边，你便能拿到水里原本已经飘走的纸巾。在这种情况下，水充当传递力的媒介，使您能够在不直接接触的情况下操纵餐巾的位置。”
在过去的几十年里，机器人操纵领域的科学家们主要专注于操纵刚性物体，或者非常简单的流体操纵任务，比如倒水，对这些涉及现实世界中流体的操作任务的研究在他们看来是一项“不划算”的工作，因为实现这一目的的成本高昂，且商业化意义不大。
但是机器人对于流体操纵并不总是只与流体有关，在许多任务中，例如将固体混合到液体中，或在水中划桨移动物体，都是流体与其他各种材料之间相互作用的结果。所以仿真环境必须支持“耦合”，即两种不同的材料属性如何相互作用。
FluidLab的未来还是值得期待的，据悉，研发团队目前的工作试图以开环方式将模拟中优化的轨迹直接转移到现实世界的任务中，未来团队着重在模拟中开发闭环策略，将环境的状态或视觉观察输入到系统中，并实时执行流体操作任务，然后让机器人学习相应的策略，并应用在真实场景中。