對于研究人員來說，選擇正確的形狀對機器人穿越特定地形的能力至關重要，但是又不可能建立和測試每一種可能的形式。那如果用計算機幫忙模擬機器人的結構呢？

近日，麻省理工學院（MIT）的研究人員成功開發(fā)了一種計算機系統(tǒng)，利用該系統(tǒng)可以對機器人的形狀進行仿真，并幫助確定哪種設計的效果是最優(yōu)的。

舉例來說，假如我們需要根據(jù)已有材料建造一個可以在有斷層的路面上爬行的機器人，在設計它的外觀時，我們可能希望它的身子盡可能短一些、手臂盡可能長一些，以適應這種存在斷層的地面。

然而，設計出來的機器人可能并不像我們想象中那么理想。如下圖所示，這款機器人在爬行過程中看起來十分吃力，而且過長的 “手臂” 也讓它行動遲緩。

那我們不妨讓計算機幫忙設計一下。使用 MIT 研究人員發(fā)明的系統(tǒng) RoboGrammar ，我們只需把準備用到的機器人組件（如關節(jié)、連桿等）輸入到系統(tǒng)中，再告訴系統(tǒng)機器人需要在什么類型的路面上行駛，RoboGrammar 就能算出多種適合的機器人結構。

就像這樣，下圖是 RoboGrammar 給出的其中一種設計，經(jīng)過系統(tǒng)優(yōu)化的機器人在身材比例上明顯和諧了許多，爬行速度也更快了。

相關研究以 “RoboGrammar： Graph Grammar for Terrain-Optimized Robot Design” 為題，發(fā)表在了 SIGGRAPH 亞洲 2020 大會。

該論文的第一作者、麻省理工學院計算機科學與人工智能實驗室 （CSAIL） 的博士生 Allan Zhao 稱：“機器人設計仍然是一個非常手工化的過程。” 他將 RoboGrammar 描述為 “一種更具創(chuàng)造性的機器人設計方法，利用這種方法進行設計可能更高效。”

研究人員表示，這一進展可能會給設計機器人形狀領域注入一定的計算機輔助創(chuàng)造力。

基于節(jié)肢動物的啟發(fā)，研究人員開發(fā)出一種遞歸圖形語法規(guī)則

Allan Zhao 認為，機器人是為各種無窮無盡的任務而設計的，然而 “它們的整體形狀和設計往往非常相似?！?例如，“當你想制造一個需要穿越各種地形的機器人時，你可能會立刻想到一個像狗那樣的四足動物，我們想知道這是否真的是最佳設計?！?/p>

Allan 的團隊推測，更多的創(chuàng)新設計或許可以改善機器人的功能。因此，他們建立了這個計算機模型，這個模型完全不會受先前慣例的影響。盡管研究目的是為了創(chuàng)新，但還是需要制定一些基本規(guī)則。

因此，研究團隊開發(fā)了一種遞歸圖形語法（recursive graph grammar），用以對機器人組件的排列進行約束。例如，相鄰的支腿應該用一個關節(jié)連接，而不是用另一個支腿相連。這樣的規(guī)則確保至少設計是在初級水平上，每個計算機生成的設計作品都是可以工作的。

RoboGrammar 系統(tǒng)提供了一種遞歸圖形語法，可以有效地生成數(shù)十萬個由給定組件構建的機器人結構。然后，研究人員使用圖啟發(fā)式搜索和模型預測控制 （MPC） 來促進探索大的設計空間，并為給定的地形識別高性能的例子。研究人員稱這一方法可以實現(xiàn)機器人結構和控制器的協(xié)同優(yōu)化。

正如很多模仿動物外形建造的機器人一樣，Allan Zhao 也表示其團隊的圖形語法規(guī)則同樣是受到了動物的啟發(fā)，尤其是那些無脊椎動物，包括昆蟲、蜘蛛和龍蝦等。“它們的特點是有一個節(jié)數(shù)可變的中心體，有些部分還有支腿連接。而且我們注意到，這不僅足以描述節(jié)肢動物，還可以描述更熟悉的動物形態(tài)，包括四足動物?！?/p>

于是，基于節(jié)肢動物的啟發(fā)，研究人員設計了 RoboGrammar 系統(tǒng)，并增加了一些其他機械上的功能，例如可以使用輪子來取代機器人的 “腿”。

系統(tǒng)設計出的機器人并不總是最佳質量，需要控制每個機器人的運動和評估其功能

RoboGrammar 使用圖形語法的規(guī)則來設計成千上萬個潛在的機器人結構。有些看起來有點像賽車，有些看起來像蜘蛛，或者是像一個在做俯臥撐的人。

Allan Zhao 說：“看到各種各樣的設計，我們感到倍受鼓舞。這無疑顯示了圖形語法的創(chuàng)造力。” 但是研究人員也表示，系統(tǒng)設計出的機器人并不總是最佳質量。而且，系統(tǒng)給出的設計在很大程度上基于人們輸入的組件類型。

要想選擇最佳的機器人設計，就需要控制每個機器人的運動和評估其功能。Allan Zhao 說，“到目前為止，這些機器人只是模型?！?該團隊為每個機器人開發(fā)了一個控制器，其算法稱為模型預測控制 （Model Predictive Control），以快速向前移動為優(yōu)先級?？刂破魇且唤M指令，將這些結構賦予生命，控制機器人各種馬達的運動順序。

“機器人的形狀和控制器是緊密相連的，這就是為什么我們必須為每個給定的機器人單獨優(yōu)化控制器的原因?！?一旦每個模擬機器人都可以自由移動，研究人員便可以通過 “圖形啟發(fā)式搜索” 來尋找高性能的機器人。

這套系統(tǒng)的發(fā)明，為的不是代替人們進行設計，Allan Zhao 希望能夠借助這一系統(tǒng)激發(fā)人們的創(chuàng)造力。

哥倫比亞大學機械工程師、計算機科學家 Hod Lipson 雖然沒有參與這個項目，但是他認為，“這項工作是 25 年來在自動設計機器人的形態(tài)和控制方面的最高成就?！薄笆褂眯螤钫Z法的想法已經(jīng)出現(xiàn)一段時間了，但是沒有哪個像這個作品一樣完美地實現(xiàn)了這個想法?！?br /> 責任編輯：YYX