计算突破性进展！MIT开发新模型优化软体机器人

对软体机器人执行特定任务进行优化是艰巨的计算难题，而以“Mind and Hand”（动脑又动手）为校训的麻省理工学院（MIT)开辟了新路径：发明了一种模型，有效地优化了对软体机器人的控制和设计，在模拟软体机器人向目标移动时，该模型比目前最先进的方法更快更准确。这是在计算领域一项具有里程碑意义的突破。

软体机器人由柔软材料制成，身体有很大的弹性，可在大范围内任意改变自己身形和尺寸，能够适应各种非结构化环境。这一特点同时给计算带来了极大的难点，在计算上，这代表了一个高度复杂的“状态呈现”：需要描述机器的各个部分是如何移动的。软体机器人的状态呈现可能具有数百万个维度，找到使机器人完成复杂任务的最佳方式是极其困难的。

新模型：更高效，更准确

目前最先进的方式还不能解决如何平衡灵活性、承载能力和可靠性等指标难题。为进行优化设计，需要建立精确的物理模型。今日发表在MIT官网的文中指出，在下个月的神经信息处理系统会议上，MIT研究人员将提出一个模型，该模型基于机器人及其环境的基础物理和其他因素，对潜在空间进行反复学习迭代，同时不断优化设计参数、控制参数。

对该模型研究的论文第一作者安德鲁·斯皮尔伯格(Andrew Spielberg)是计算机科学和人工智能实验室(CSAIL)的研究生，他说：“软体机器人是无限维度的生物，在任何时刻可以以十亿种不同的方式弯曲。但事实上，柔软的物体有可能有弯曲的自然方式。我们发现软体机器人的自然状态可以用低维的、非常简洁的方式描述。我们通过学习对软体机器人的各种状态进行精准描述来优化对软体机器人的控制和设计。”

在模拟中，该模型使2D和3D软体机器人在移动一定距离或到达目标点上能够比当前最先进的方法更快更准确地完成任务。而且使用传统方法的机器人需要进行多达30，000次模拟来优化这些参数，但根据其模型训练的机器人只需要大约400次模拟。

图丨迭代中的软体机器人，截自安德鲁·斯皮尔伯格(Andrew Spielberg)发布在网络的视频

下一步计划

到目前为止，麻省理工学院的团队只在模拟中演示了它，但在这个模拟环境中，它在机器人编程运动的速度和精确度方面都有了显着的改进。研究人员的下一步计划是将该模型部署到真正的软体机器人中，这意味着需要处理现实世界中的噪音和其他不确定性因素带来的问题，可能会降低模型的效率和准确性。研究人员表示，在未来，不仅要将模拟带到现实世界的测试中，更需要对软体机器人进行端到端的全面开发。

软体机器人技术是一个相对较新的研究领域，但它为先进的机器人技术带来了希望。如果对一个软体机器人进行编程来做一些真正有用的事情，比如导航、水下损坏评估和修复等，这需要耗费大量的计算器处理和大量的时间，让软体机器人的实用性大大降低。MIT发明的模型大大降低了对软体机器人实现优秀的行为结果的计算成本，是实现偏向实际生活应用程序的一个关键因素。