机器人专家经常模仿自然，制造人形机器人用于家务，蠕虫式机器用于在隧道中爬行，以及看起来像猎豹的四足装置用于奔跑和跳跃。但他们通常先设计一个类似动物的机器人身体，然后训练人工智能来控制它。然而，在生物中，身体和大脑共同进化以应对复杂的任务。因此，一些研究人员正在借鉴自然的剧本，来设计智能、自适应的机器人。
在最新的例子中，麻省理工学院的进化机器人专家创建了一个虚拟环境，算法可以在其中设计和改进软机器人的物理形态及其控制器，以便它们同时进化。在这个名为Evolution Gym的数字空间中，算法可以为30多种不同的任务开发机器人，包括搬运和推动积木、做后空翻、翻越障碍物和攀爬竖井。当麻省理工学院的研究人员在程序中使用他们自己的算法时，对于每一项任务，该软件开发的机器人都比人类开发的更有效。
“未来的目标是接受任何任务，然后说，‘为我设计一个最佳机器人来完成这项任务’，”麻省理工学院计算机科学与人工智能实验室的本科生 Jagdeep Bhatia 说，他领导了这项工作。他于 12 月 9 日在神经信息处理系统会议上展示了这项研究。
关于支持科学新闻报道
如果您喜欢这篇文章，请考虑通过以下方式支持我们屡获殊荣的新闻报道： 订阅。通过购买订阅，您正在帮助确保有关塑造我们当今世界的发现和想法的有影响力的故事的未来。
进化健身房依赖于两种算法，它们来回传递结果。首先，一种设计优化算法“生成一堆随机的机器人设计”，Bhatia 说。该算法通过组合多达 100 个单独的构建块来创建每个软机器人，这些构建块可以是刚性的或柔性的，并且可以垂直或水平移动。然后，这些拼凑的设计被送到控制优化算法，该算法为每个机器人生成一个“大脑”，使其能够执行给定的任务。该控制器计算每个构建块何时以及移动多少——例如，水平移动的构建块驱动多远和多频繁——以便它们协同工作以根据需要移动机器人。接下来，各种机器人设计在进化健身房中尝试分配的任务，同时控制优化算法测量它们的表现，并将分数返回给设计算法。
进入进化原则。设计算法抛弃不合适的配置，“保留最合适的设计，对其进行少量变异，看看它们是否表现得更好”，Bhatia 说。这个过程不断进行，机器人从设计算法传递到控制器算法，再到在进化健身房环境中进行测试，然后再返回到设计算法，直到系统收敛于最高分。该过程产生设计和控制（或身体和大脑）的最佳组合，以完成任务。
通常，这个过程会产生熟悉的形状。对于攀爬任务，获胜的设计进化出两条手臂和两条腿，帮助它像猿猴一样攀爬竖井。最好的搬运机器人看起来像是小狗和软塌塌的购物车的混合体。但在大多数情况下，结果是出乎意料的。它们不像真人动物或人类会设计的设备，而像是一个蹒跚学步的孩子用积木搭建的东西。
Bhatia 最喜欢的例子来自一项任务，其中机器人必须滑到随机间隔的瓷砖下方，然后在仍然在瓷砖下方的情况下将物体拖到瓷砖顶部。为了完成这项工作，模拟器设计了一个机器人在瓷砖下方展开自身，然后缓慢地扭动身体以推动上方的物体。这是身体和大脑协同工作以智能行动的完美例证。
佛蒙特大学的 Josh Bongard 说，这就是进化机器人的魅力所在，他没有参与这项工作。他说，从自然界复制机器人身体计划通常行不通，“因为狗和人类进化是为了适应与我们试图将人形或犬形机器人引入的环境非常不同的环境利基市场。”Bongard 解释说，航空就是一个很好的例子。“早期的先驱者试图制造带有扑翼的机器，但这些原型失败了，”他补充说。“只有当我们制造出非鸟类的机器时，我们才能让它们飞起来。”同样，进化算法产生的机器人身体通常看起来很奇怪，但似乎在给定的任务中工作良好。
Bhatia 说，其他人也尝试过共同设计虚拟机器人身体和大脑，但他们专注于简单的任务，例如行走和跳跃。“我们工作最强大的优势之一是我们开发的任务数量和独特任务的数量，”他说。
进化健身房是开源的：Bhatia 的团队创建它是为了提供一个基准平台，任何研究人员都可以在其中设计和测试自己的算法并比较方法。在以前的工作中，各团队通常会开发自己的虚拟环境来进行此类评估。新的数字空间为研究人员提供了一个共同的基线，以衡量各种算法的优劣。“这让人能够衡量进步——这非常重要，”斯坦福大学计算机科学博士生 Agrim Gupta 说，他在斯坦福大学进行类似的研究。他最近发表了一篇论文，内容是关于智能不仅可以通过进化获得，还可以从经验中发展而来。Bongard 对此表示赞同，他说，新的麻省理工学院模拟器将使进化机器人领域“通过阐明哪些进化机器人的方法比其他方法更好，从而更快地向前发展。”
这种评估是必要的，因为进化算法设计的机器人并不总是有效。例如，麻省理工学院的算法无法成功设计出用于捕捉和举起的机器人。Bhatia 说，这表明在设计真正智能的机器人方面还有很多工作要做，使得像进化健身房这样的标准平台对于共同推进机器人设计的发展更为重要。正如他所说，“我们正在使更智能的人工智能算法的开发成为可能，以便在未来创造出真正的智能机器人。”