機器人專家經常模仿自然，製造人形機器人用於家務，蠕蟲式機器用於在隧道中爬行，以及看起來像獵豹的四足裝置用於奔跑和跳躍。但他們通常先設計一個類似動物的機器人身體，然後訓練人工智慧來控制它。然而，在生物中，身體和大腦共同進化以應對複雜的任務。因此，一些研究人員正在借鑑自然的劇本，來設計智慧、自適應的機器人。
在最新的例子中，麻省理工學院的進化機器人專家建立了一個虛擬環境，演算法可以在其中設計和改進軟機器人的物理形態及其控制器，以便它們同時進化。在這個名為Evolution Gym的數字空間中，演算法可以為30多種不同的任務開發機器人，包括搬運和推動積木、做後空翻、翻越障礙物和攀爬豎井。當麻省理工學院的研究人員在程式中使用他們自己的演算法時，對於每一項任務，該軟體開發的機器人都比人類開發的更有效。
“未來的目標是接受任何任務，然後說，‘為我設計一個最佳機器人來完成這項任務’，”麻省理工學院計算機科學與人工智慧實驗室的本科生 Jagdeep Bhatia 說，他領導了這項工作。他於 12 月 9 日在神經資訊處理系統會議上展示了這項研究。
關於支援科學新聞報道
如果您喜歡這篇文章，請考慮透過以下方式支援我們屢獲殊榮的新聞報道： 訂閱。透過購買訂閱，您正在幫助確保有關塑造我們當今世界的發現和想法的有影響力的故事的未來。
進化健身房依賴於兩種演算法，它們來回傳遞結果。首先，一種設計最佳化演算法“生成一堆隨機的機器人設計”，Bhatia 說。該演算法透過組合多達 100 個單獨的構建塊來建立每個軟機器人，這些構建塊可以是剛性的或柔性的，並且可以垂直或水平移動。然後，這些拼湊的設計被送到控制最佳化演算法，該演算法為每個機器人生成一個“大腦”，使其能夠執行給定的任務。該控制器計算每個構建塊何時以及移動多少——例如，水平移動的構建塊驅動多遠和多頻繁——以便它們協同工作以根據需要移動機器人。接下來，各種機器人設計在進化健身房中嘗試分配的任務，同時控制最佳化演算法測量它們的表現，並將分數返回給設計算法。
進入進化原則。設計算法拋棄不合適的配置，“保留最合適的設計，對其進行少量變異，看看它們是否表現得更好”，Bhatia 說。這個過程不斷進行，機器人從設計算法傳遞到控制器演算法，再到在進化健身房環境中進行測試，然後再返回到設計算法，直到系統收斂於最高分。該過程產生設計和控制（或身體和大腦）的最佳組合，以完成任務。
通常，這個過程會產生熟悉的形狀。對於攀爬任務，獲勝的設計進化出兩條手臂和兩條腿，幫助它像猿猴一樣攀爬豎井。最好的搬運機器人看起來像是小狗和軟塌塌的購物車的混合體。但在大多數情況下，結果是出乎意料的。它們不像真人動物或人類會設計的裝置，而像是一個蹣跚學步的孩子用積木搭建的東西。
Bhatia 最喜歡的例子來自一項任務，其中機器人必須滑到隨機間隔的瓷磚下方，然後在仍然在瓷磚下方的情況下將物體拖到瓷磚頂部。為了完成這項工作，模擬器設計了一個機器人在瓷磚下方展開自身，然後緩慢地扭動身體以推動上方的物體。這是身體和大腦協同工作以智慧行動的完美例證。
佛蒙特大學的 Josh Bongard 說，這就是進化機器人的魅力所在，他沒有參與這項工作。他說，從自然界複製機器人身體計劃通常行不通，“因為狗和人類進化是為了適應與我們試圖將人形或犬形機器人引入的環境非常不同的環境利基市場。”Bongard 解釋說，航空就是一個很好的例子。“早期的先驅者試圖製造帶有撲翼的機器，但這些原型失敗了，”他補充說。“只有當我們製造出非鳥類的機器時，我們才能讓它們飛起來。”同樣，進化演算法產生的機器人身體通常看起來很奇怪，但似乎在給定的任務中工作良好。
Bhatia 說，其他人也嘗試過共同設計虛擬機器人身體和大腦，但他們專注於簡單的任務，例如行走和跳躍。“我們工作最強大的優勢之一是我們開發的任務數量和獨特任務的數量，”他說。
進化健身房是開源的：Bhatia 的團隊建立它是為了提供一個基準平臺，任何研究人員都可以在其中設計和測試自己的演算法並比較方法。在以前的工作中，各團隊通常會開發自己的虛擬環境來進行此類評估。新的數字空間為研究人員提供了一個共同的基線，以衡量各種演算法的優劣。“這讓人能夠衡量進步——這非常重要，”斯坦福大學計算機科學博士生 Agrim Gupta 說，他在斯坦福大學進行類似的研究。他最近發表了一篇論文，內容是關於智慧不僅可以透過進化獲得，還可以從經驗中發展而來。Bongard 對此表示贊同，他說，新的麻省理工學院模擬器將使進化機器人領域“透過闡明哪些進化機器人的方法比其他方法更好，從而更快地向前發展。”
這種評估是必要的，因為進化演算法設計的機器人並不總是有效。例如，麻省理工學院的演算法無法成功設計出用於捕捉和舉起的機器人。Bhatia 說，這表明在設計真正智慧的機器人方面還有很多工作要做，使得像進化健身房這樣的標準平臺對於共同推進機器人設計的發展更為重要。正如他所說，“我們正在使更智慧的人工智慧演算法的開發成為可能，以便在未來創造出真正的智慧機器人。”