图片来源：pixabay
撰文| 马修赫特森（Matthew Hutson）
翻译| 林清
大多数机器人是由人类工程师设计的，人类工程师总要煞费苦心地安排好所有关节和人造肌肉，才能让机器人完成特定任务，但这一过程会耗费大量时间，还会受到人类想象力的限制。美国佛蒙特大学的计算机科学家乔希邦加德（Josh Bongard）表示，用算法设计机器人可能“
有助于开启定制机器人的新世界
”。在一项新研究中，他和同事使用了基于反馈神经网络的算法，在短时间内设计了多款可以行走的团块状机器人。该研究近期发表于《美国科学院院刊》（
PNAS）。
最初，每个机器人都是从数字模拟世界中的胶状物团块开始的。团块中随机分布着64个孔洞，看起来就像一块瑞士奶酪。其中还含有64块随机放置的“人造肌肉”，“肌肉”弯曲时就会带动附近的物质伸长或收缩。起初，模拟团块还只能在原地做简单的跳跃，但随着算法不断调整肌肉位置、孔的位置和孔的大小，机器人逐渐拥有了向前跳动的能力。历经9个版本的修改后，这些孔合并成了几条
短粗的“腿”
，上面布满了
“肌肉”
。由此产生的模拟机器人每秒可以移动其身长一半的距离。团队将这样的设计过程重复了100次，每一次在笔记本电脑上都只需要30秒。
制图：阿曼达 蒙塔涅斯（Amanda Montaez）
“这项研究的重要之处在于，他们在很短的时间内，以极为有限的迭代次数实现了所有预定目标。”新加坡国立大学的机械工程师塞西莉亚拉斯奇（Cecilia Laschi，未参与这项新研究）表示，她主要从事软体机器人的研究。
研究人员用硅胶复刻了其中一款设计，成品只有半块肥皂大校科学家在其中加装了小型的气囊，它随着空气泵入泵出进行伸缩，以模拟“肌肉”的部分。尽管机器人的行走速度比模拟的要慢每分钟只能行走半个身长的距离但
比随机设计的机器人明显快得多
。
研究人员使用的优化算法名为梯度下降法，这种算法已经广泛应用于机器学习中的参数优化，可为许多棘手的变量问题提供最佳解决方案。在这项研究中，需要优化的变量就是肌肉位置、孔的位置和孔的大校该算法可以策略性地反复修改这些变量，这样一来系统就可以
在每次迭代中得到改进
。
基于相同的技术，研究团队还设计了具备其他功能的模拟机器人，如用于运输或发射物体的机器人。接下来，他们希望能创造出更为复杂的机器人，使其能通过传感器与现实世界互动。
本文选自《环球科学》2月刊“前沿”栏目。
《环球科学》01月新刊正在热卖
各电商平台均有销售
