使用生成式AI助力机器人跳得更高、着陆更稳
某机构计算机科学与人工智能实验室（CSAIL）的研究人员将生成式AI与物理仿真引擎相结合，成功优化了机器人设计。该方法生成的机器人在跳跃高度上比人工设计的同类产品平均高出约2英尺（41%），且着陆稳定性提升84%。
创新设计方法
研究人员允许用户先绘制机器人的3D模型，并指定需要优化的部件区域及其尺寸参数。扩散模型随后会生成这些区域的最优形状方案，并通过仿真测试进行验证。当系统确定最佳设计后，可直接通过3D打印制造出无需额外调整即可工作的实体机器人。
在跳跃机器人案例中，AI生成的连接部件呈独特的弯曲鼓棒状，而传统设计为直线矩形结构。这种创新形状使机器人在跳跃前能储存更多能量，同时避免因材料过薄导致的结构断裂问题。
迭代优化过程
研究团队通过五轮迭代优化实现性能提升：
- 使用初始嵌入向量（捕捉高层特征的数字表示）生成500个候选设计
- 根据仿真性能选取前12个方案优化嵌入向量
- 最终生成的设计经缩放适配后通过3D打印制造
多目标平衡机制
为实现跳跃高度与着陆稳定性的平衡，系统将这两个指标转化为数值数据，通过寻找嵌入向量之间的最优平衡点来构建最佳3D结构。这种方法的优势在于能发现人类设计师可能忽略的非传统解决方案。
应用前景与局限
该技术可扩展至制造业机器人、家用机器人等领域的原型优化，显著减少工程师的迭代时间。当前设计受限于3D打印材料特性，若采用更轻质材料性能还可进一步提升。未来研究方向包括：
- 通过自然语言指令生成执行特定任务的机器人（如抓取杯子、操作电钻）
- 增加关节生成功能以优化部件连接方式
- 添加多个电机控制跳跃方向并提升着陆稳定性
（本研究得到某国家科学基金会新兴前沿研究计划、某国际联盟人机协作项目及某研究院合作项目支持，成果发表于2025年IEEE机器人与自动化国际会议。）