想象一下，你正在跑一場比賽。為了完成它，你的身體需要強壯，你的大腦需要跟蹤路線以控制你的步伐并防止你絆倒。機器人的情況也是如此。為了完成任務，它們既需要一個精心設計的身體也需要一個“大腦”或控制器。

訪問：

阿里云“超品周”啟動 熱銷云產品4折起 域名新注1元購

工程師們可以使用各種模擬來改善機器人的控制，從而使其更加智能。但很少有辦法能夠同時優化機器人的設計。

除非設計者是一個算法。

得益于計算技術的進步，現在終于有可能編寫同時優化設計和控制的軟件，這種方法被稱為協同設計。雖然有既定的平臺來優化控制或設計，但大多數協同設計研究人員不得不設計自己的測試平臺，而這些平臺通常是非常密集的計算且耗時。

為了幫助解決這個問題，麻省理工學院的一名本科生研究員Jagdeep Bhatia和其他研究人員創建了一個名為Evolution Gym的2D協同設計軟體機器人模擬系統。他們在今年的神經信息處理系統會議上展示了該系統。現在，他們還在一篇新論文中詳細介紹了該系統。

“基本上，我們試圖做一個非常簡單和快速的模擬器，”該論文的第一作者Bhatia說說道，“在此基礎上，我們為這些機器人建立了一系列的任務。”

在Evolution Gym中，2D軟體機器人是由彩色單元或體素組成。不同的顏色代表不同類型的簡單組件--要么是軟性材料，要么是剛性材料，要么是水平或垂直的執行器。其結果是機器人由彩色方塊拼湊而成，在視頻游戲般的環境中移動。因為它是2D的、程序設計簡單，所以不需要太多的計算能力。

顧名思義，研究人員將該系統結構化以模仿生物的進化過程。它不是生成單個機器人，而是生成具有輕微不同設計的機器人種群。該系統有一個雙級優化系統--一個外循環和一個內循環。外循環是設計優化。該系統為一個給定的任務生成若干不同的設計，如行走、跳躍、攀爬或抓取東西；內環則用于控制優化。

Bhatia指出，系統將采取這些設計中的每一個，它將在Evolution Gym中為它優化特定任務的控制器，然后，它將會為每一個設計返回一個分數以回到設計優化算法并說“這是機器人使用最佳控制器的表現”。

通過這種方式，該系統根據特定任務的“獎勵”分數生成多代機器人并保留維持和增加這種獎勵的元素。研究人員開發出了30多個任務供機器人嘗試執行，它們有簡單、中等或困難分級。

“如果你的任務是行走，在這種情況下，你希望機器人在規定的時間內盡可能快地移動，”MIT電氣工程和計算機科學教授、該論文的第一作者Wojciech Matusik說道。

研究人員發現，該系統對許多任務都非常有效且算法設計的機器人比人類設計的機器人效果更好。該系統想出了人類永遠無法做到的設計，其能產生復雜的材料和非常有效的執行器。盡管該系統之前對動物或生物學沒有任何了解，但它還獨立地想出了一些類似動物的設計。

另一方面，沒有一個機器人設計能夠有效地完成最困難的任務，如舉起和抓起物品。來自亞利桑那大學的工程系副教授、沒有參加這項研究的Wolfgang Fink指出，這可能有很多原因，包括程序選擇的進化群體不夠多樣化。

另外，Evolution Gym的簡單化、2D設計還不適合改編成現實生活中的機器人。盡管如此，Bhatia希望Evolution Gym能成為研究人員的資源并能使他們開發新的和令人興奮的共同設計算法。目前，該程序是開源的，人們可以免費使用。