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?！?/p>

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。”

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。

圖｜該系統(tǒng)的輸入是一組基本的機器人部件，如連桿、關節(jié)和末端結構，以及至少一個地形，如階梯地形或帶墻障的地形

RoboGrammar 系統(tǒng)提供了一種遞歸圖形語法，可以有效地生成數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?！八鼈兊奶攸c是有一個節(jié)數可變的中心體，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。

圖｜系統(tǒng)優(yōu)化后的用于在冰上行走的機器人模型

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法的想法已經出現一段時間了，但是沒有哪個像這個作品一樣完美地實現了這個想法?！?/p>

責任編輯：haq