想象你正在赛跑。要完成跑步的整个过程，你的身体需要强壮，你的大脑需要跟踪路线，控制节奏，防止绊倒。

 

机器人也是如此。为了完成任务，他们需要一个设计良好的身体和一个“大脑”或控制器。工程师们可以使用各种模拟来改善机器人的控制，使其更智能。但同时优化机器人设计的方法很少。

 

除非设计者是一个算法。

 

多亏了计算技术的进步，终于有可能编写同时优化设计和控制的软件程序，这种方法被称为协同设计。尽管已经建立了优化控制或设计的平台，但大多数协同设计研究人员都必须设计自己的测试平台，这些平台通常计算量大且耗时。

 

为了帮助解决这个问题，麻省理工学院的本科生Jagdeep Bhatia和其他研究人员创建了一个名为Evolution Gym的2D协同设计软机器人仿真系统。他们在今年的神经信息处理系统会议上介绍了该系统。他们还在一篇新论文中详细进行了介绍。

 

“基本上，我们试图制作一个简单快速的模拟器，”论文的主要作者Bhatia说，“除此之外，我们还为这些机器人构建了一系列任务。”

 

从Evolution Gym中可以看到，2D软机器人由彩色细胞或体素组成。不同的颜色代表不同类型的简单部件–软材料或硬材料，以及水平或垂直致动器。结果是机器人是彩色方块的拼图，在类似电子游戏的环境中移动。因为它是二维的，并且程序设计简单，所以不需要太多的计算能力。

 

顾名思义，研究人员构建该系统是为了模仿生物进化过程。它不是生成单个机器人，而是生成设计略有不同的机器人群体。该系统有一个双层优化系统——一个外环和一个内环。外部循环是设计优化：系统为给定的任务生成许多不同的设计，例如行走、跳跃、攀爬或抓东西。内环是控制优化。

 

Bhatia说：“在Evolution Gym中，可针对特定任务优化控制器。然后，它会将每个设计的分数返回给设计优化算法，并说，这就是机器人在最佳控制器下的表现。”系统根据特定任务的“奖励”分数生成多代机器人，保留维持和增加奖励的元素。研究人员为这些机器人开发了30多项任务，它们被分为简单、中等或困难。

 

麻省理工学院电气工程和计算机科学教授、该论文资深作者Wojciech Matusik说：“如果你的任务是行走，那么在这种情况下，你希望机器人在一定时间内尽可能快地移动。”

 

研究人员发现，该系统对许多任务都非常有效，而且算法设计的机器人比人类设计的机器人工作得更好。该系统提出了人类永远无法实现的设计，产生了高效的材料和执行器的复杂拼凑。该系统还独立地提出了一些类似动物的设计，尽管它以前没有关于动物或生物学的知识。

 

另一方面，没有一种机器人设计能够有效地完成最难的任务，比如提物和抓物。亚利桑那大学的工程副教授Wolfgang Fink没有参与该项目，他说，这可能有很多原因，包括选择的项目所发展的人口不够多样化。

 

“多样性是关键，”他说，“如果你没有多样性，你仍然可以获得不错的成就，但你很可能会在次优状态下保持平稳。”在麻省理工学院研究人员最有效的算法中，每代“存活”的机器人百分比在60%到0%之间，随着时间的推移逐渐减少。

 

Evolution Gym过于简单的2D设计也无法适应现实生活中的机器人。然而，Bhatia希望Evolution Gym能成为研究人员的资源，使他们能够开发新的、令人兴奋的协同设计算法。该程序是开源的，可以免费使用。

 

“我认为你仍然可以从使用Evolution Gym、提出新算法以及在其中创建新算法中获得许多有价值的见解，”他说。

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