生成式 AI 現在不僅是數位創意的工具，還開始協助設計現實世界中的機器人。麻省理工學院計算機科學與人工智慧實驗室（CSAIL）的研究人員發佈了一個新的基於擴散模型的系統，讓用戶能夠草擬機器人並用 AI 優化其設計。
用戶可以指定可調整的部件和尺寸，AI 會在製作之前生成並測試新的結構。在最近的一次測試中，AI 設計的機器人跳躍高度比人類設計的對手高出 41%，這得益於其獨特的圓形連接設計。
研究人員表示，這一突破標誌著自動化和增強機器人設計的一個重要進展，將人類的直覺與機器生成的精確性相結合。
儘管機器人設計在進步，硬件開發仍然落後於軟件，這是因為硬件設計的複雜性以及對多學科的依賴。基於取樣的方法和模擬工具促進了迭代和共同設計，但在整合製造約束和傳統製造方面仍然存在困難，這主要是由於數據和標準化的限制。
麻省理工學院 CSAIL 的研究團隊創建了一個基於擴散模型的系統，幫助設計和優化機器人。該系統允許用戶提供 3D 模型並指定希望 AI 更改的組件。模型提出並模擬設計變體，促進從概念到 3D 打印原型的過程。
團隊在一項測試中致力於提高跳躍機器人的性能。他們從初步設計開始，使用指導嵌入向量，取樣 500 個變體。從中選擇基於模擬結果的前十二個，並用它們來細化向量。這一迭代過程重複了五次，最終設計出具有圓形連接的機器人版本。儘管與基準模型幾乎相同，AI 增強版的跳躍高度卻高出了 41%。
AI 的非傳統設計不僅輕便，還擁有更大的能量容量，同時保持強度。研究人員還使用相同的方法改進了機器人的著陸設計，新的足部設計使著陸穩定性提高了 84%，顯著減少了跌倒的次數。
這種方法強調了擴散模型在揭示結構物理學和啟發創新工程解決方案方面的能力。它也為加速製造和家用機器人等領域的硬件設計提供了一種有前景的方法，可能節省大量的開發時間和精力。
麻省理工學院 CSAIL 的研究人員利用生成式 AI 尋找這些相互競爭目標之間的平衡，以建造一個能夠高跳和穩定著陸的機器人。他們為跳躍高度和著陸成功率分配數值，然後訓練擴散模型以增強在兩者之間表現出色的設計。
AI 生成了一個 3D 結構，通過探索兩個目標之間的區域，超越了人工設計的機器人。該原型使用適合 3D 打印的材料製作，但團隊認為，未來使用更輕、更先進的材料可能會大幅提升性能。這項工作被視為機器人技術更廣泛應用的基礎。
研究人員表示，擴散模型最終可能有助於創造關節機構並改善組件之間的連接，從而提高機器人的性能。該小組還在探索使用額外電機來管理跳躍方向和提高著陸精度的可能性，這突顯了 AI 在機器人開發和性能提升中的日益重要性。
日本電話卡推介 / 台灣電話卡推介
一㩒即做：香港網速測試 SpeedTest HK
