个人中心
我是园区
退出
您还不是认证园区！
赶快前去认证园区吧！
他们给机器人研发出一款“在线健身房”，一经训练即可进化出 30 多种运动能力，堪比机器人的“小型奥运会”。
日前，相关论文以《进化健身房：软体机器人进化的大型基准》（Evolution Gym: A Large-Scale Benchmark for Evolving Soft Robots）为题，发表在全球人工智能顶会 NeurIPS 2021 上[1]。
担任论文第三作者的是中国留学生田韵声，他目前是 MIT 计算机科学与人工智能实验室（CSAIL）三年级在读博士生，导师为沃伊切赫·马图斯克（Wojciech Matusik）教授，研究领域包括计算机图形学、机器学习与机器人。2019 年，田韵声本科毕业于南开大学，期间由任博教授指导，后曾在微软亚洲研究院和香港大学担任研究实习生。
如果想让机器人完成一些任务，你可能会针对特定任务，设计出特定的机器人形态。比如设计一个扔东西的机器人，并且扔得越远越好，你可能会想象出一个有胳膊有手的人形机器人，但一般很难想到这样的机器人：
这个机器人同样能完成扔东西的任务，并且完成得还不错。虽然它的形状十分怪异，像是由乐高搭起来的一样。实际上这是因为它的形态和动作，都是由算法在计算机里进化出来的。
在不依赖人提供任何初始形态的前提下，算法可以自主根据任务需要，进化出适合任务的身体结构和动作，并且不断通过进化自己，让任务完成得越来越好。在上面案例中，当机器人学会“进化”自己的身体之后，灰色矩形块被扔得越来越远。
对于设计好的机器人，以往多数研究主要集中在如何开发有效的控制算法，比如大家熟知的波士顿动力机器狗，它的形态是由工程师根据经验设计出来的。
研发人员把大量时间花在开发有效的控制算法上，来让机器狗跑得快、跑得稳定不容易摔倒等。但是，田韵声认为这种设计好的机器人形态并非是最优的。在优化机器人的大脑、也就是控制算法的同时，只有也对身体即形态结构进行优化，才能让机器人的能力更上一层楼。
基于这一出发点，他和团队开发出了大规模基准测试平台 Evolution Gym，旨在让更多人关注如何共同设计机器人的大脑和身体，通过算法共同进化两者。
视频 | Evolution Gym的介绍（来源：NeurIPS 2021）
据悉，Evolution Gym 专门为软体机器人而开发，涵盖 30 多个不同的任务环境，包括跑步、上台阶、攀爬、搬运物体等。
Evolution Gym 中的机器人看起来像是柔软、可移动的俄罗斯方块，整体呈网格状结构，由许多个“细胞”作为基本单元组成，其中包括可以自由形变的软体细胞、坚硬的刚体细胞、以及可以主动收缩或扩张的致动器细胞。这种灵活的形态，使得机器人可以自由“进化”其形状，最终在不同地形上完成一系列运动和操纵物体等任务。
这种可同时“进化”形态与控制的算法被称为协同设计（co-design）。具体而言，田韵声团队用深度强化学习去优化机器人的控制，并采用遗传算法、贝叶斯优化等方法，根据控制器的表现作为反馈信号来优化机器人的形态。整个进化过程是在控制优化和形态优化之间不断迭代进行，机器人可以像人类一样在环境中通过反复试验不断理解任务，并最终进化出更适合任务的形态。
尽管机器人是从头开始自主进化的，并且除了任务本身之外，没有任何人类提供的先验知识，但在“进化”的过程中，它们经常会“进化”出一些类似于现有自然生物的器官或是整体形态，同时性能优于人工设计的机器人。
如下图所示，搬运工机器人在优化到第 10 代的时候，不光进化出了两条腿，还在身体上方进化出了个凹槽用来放置物体，并能搬运物体向前移动。在优化到第 30 代时，在成功搬运物体的同时，它的跑速已比第 10 代快得多。
田韵声表示，虽然学界已有团队尝试共同进化机器人的形态和控制，但只集中于一些较小规模的测试相对以及简单的任务，此前尚无大规模测试平台可涵盖几十种复杂多样的任务。并且，他和团队在 Evolution Gym 平台上测试、评估了当前最前沿的算法，结果发现虽然它们能对简单任务“进化”出合理的机器人形态，但是在困难任务上比如穿越崎岖不平且晃动的地面时，这些算法仍然难以优化出能成功完成任务的机器人。
所以该研究的两个最终目的是：一是希望 Evolution Gym 可作为一个初步实验平台，从最基本的细胞结构开始，帮助研究人员发掘出更智能、更高性能的机器人形态，甚至是很多全新的、意想不到的形态，并且反过来“指导”人类去设计高性能机器人；二是作为一个大规模基准测试平台，它可帮助人们开发出更强大的人工智能算法，以便进行高效协同设计，从而让机器人快速进化到足以完成最具挑战性的任务。
由两位MIT本科生牵头并推进项目
因此，从一开始研究目标和任务都很明确，当实验室大多数博士生忙于自己的项目时，田韵声所在团队联系了两位 MIT 本科生，也就是前文的贾格迪普·巴蒂亚（Jagdeep Bhatia）和霍利·杰克逊（Holly Jackson）来牵头并推进项目。
贾格迪普花了几个月时间从头写了模拟系统，霍利这边开发出了很多有意思的环境。田韵声则和实验室另外一名师兄徐捷指导他们，共同实现算法并撰写论文。
在投稿截止日期大约半个月前，当时田韵声刚从美国飞回国内，在隔离酒店里跟其他在美国的合作者们一起昼夜不分地推进项目。
适逢好几个实验都需要在云服务器上跑，并且时间非常紧，由于时差的原因，一天 24 小时里团队里都有人醒着，他们一刻不停地监控实验在服务器上的状态，一旦旧的实验结束，立马续上新的实验。而且两位本科生刚好要准备期末考试，导致他们到考试前一天才有空复习。
下一步将为机器研发“形态发育“能力
但对机器人来说，它最终还是要在三维世界中实际制造出来，所以如何对软体机器人进行高效的三维仿真与优化，是一个必须要考虑的问题。
另外一个研究方向是如何让机器人具有“形态发育（morphological development）“的能力，即不再局限于单一任务，而是当机器人具备解决更复杂任务的经验后，让它变得更智能。比如，让机器人学会行走，其次是学会搬运物体、爬楼梯等。
总之，他们希望通过这一系列的学习，让机器人的身体和大脑都“发育”得更加智能，相比没有经过系列学习的机器人，可以完成更多挑战性任务。
-End-
