对于研究人员而言，选择合适的机器人形状对于其在特定地形上的表现至关重要，但建立和测试所有可能的形态几乎是不现实的。那么，是否可以借助计算机来模拟机器人的结构呢？
最近，麻省理工学院（MIT）的研究团队开发了一种新型计算机系统，能够对机器人的形状进行仿真，从而帮助确定最佳设计方案。
例如，假设我们希望根据现有材料设计一款能在有断层路面的机器人，在外观设计时，我们可能会希望其身体尽量短小，手臂则尽可能长，以便适应这种不平坦的地面。
然而，实际设计的机器人可能并没有预期那样理想。如图所示，这款机器人在爬行时显得十分吃力，过长的”手臂”也让它的行动变得缓慢。
图｜系统优化前在断层路面行走的机器人模型
那么，让计算机来协助设计吧。借助MIT研究团队开发的RoboGRaMMaR系统，我们只需将可用的机器人组件（如关节、连杆等）输入系统，并告知其需要在何种类型的地面上行驶，RoboGRaMMaR便能输出多种合适的机器人结构。
下图展示了RoboGRaMMaR给出的其中一种设计，经过系统优化后，机器人的身材比例明显更为协调，爬行速度也得到了提升。
图｜系统优化后在断层路面行走的机器人模型
相关研究以《RoboGRaMMaR: GRaph GRaMMaR foR TeRRAIn-OptiMized Robot design》为题，发表在SIGGRAPH亚洲2020大会上。
图｜相关论文（来源：MIT官网）
该论文的第一作者、MIT计算机科学与人工智能实验室（CSAIL）的博士生Allan Zhao表示，机器人设计仍然是一个高度依赖人工的过程。他将RoboGRaMMaR形容为一种更具创造性的设计方法，利用这一方法进行设计可能更加高效。
研究团队认为，这一进展可能为机器人形状设计领域带来计算机辅助的创新灵感。
受到节肢动物的启发，研究人员开发了一种递归图形语法规则。
Allan Zhao指出，机器人是为了完成各种任务而设计的，但“它们的整体形状和设计往往显得相似。”例如，当需要制造能够穿越多种地形的机器人时，人们常常会想到类似狗的四足动物，他们想探讨这是否真的是最佳设计选择。
Allan的团队推测，更多创新的设计可能会提升机器人的功能。因此，他们构建了这一计算机模型，完全不受以往设计惯例的影响。尽管研究旨在创新，但仍需遵循一些基本规则。
图｜该系统的输入是一组基本的机器人部件，如连杆、关节和末端结构，以及至少一个地形，如阶梯地形或带墙障的地形。
RoboGRaMMaR系统提供了递归图形语法，能够有效生成数十万个由给定组件构建的机器人结构。研究人员采用图启发式搜索和模型预测控制（MPC）技术，以探索广泛的设计空间，并识别适合特定地形的高性能机器人。该方法实现了机器人结构与控制器的协同优化。
与许多模仿动物外形的机器人一样，Allan Zhao表示，团队的图形语法规则同样受到动物的启发，特别是无脊椎动物，如昆虫、蜘蛛和龙虾等。“它们的特征在于有一个节数可变的中心体，某些部位连接着支腿。同时我们注意到，这一语法不仅可以描述节肢动物，还能适用于更常见的动物形态，比如四足动物。”
因此，基于节肢动物的思路，研究人员设计了RoboGRaMMaR系统，并加入了一些其他机械功能，例如使用轮子替代机器人的“腿”。
图｜系统优化前的带有轮子的机器人
系统设计的机器人并不总是具备最佳性能，研究人员需要控制每个机器人的运动并评估其功能。
RoboGRaMMaR利用图形语法规则设计成千上万种潜在的机器人结构。有些设计看起来像赛车，有些则像蜘蛛，或者是一个正在做俯卧撑的人。
图｜系统优化后的用于在冰上行走的机器人模型
Allan Zhao表示，看到各种各样的设计让他们倍感振奋，这无疑显示了图形语法的创造力。然而，研究人员也指出，系统生成的机器人不一定具有最佳质量，且设计的优劣很大程度上依赖于输入的组件类型。
要选择最佳的机器人设计，需要控制每个机器人的运动并评估其功能。Allan Zhao提到，目前这些机器人仍处于模型阶段。团队为每个机器人开发了一个控制器，其算法称为模型预测控制（Model Predictive Control），以快速移动为优先目标。控制器是一系列指令，赋予这些结构生命，控制机器人各个马达的运动顺序。
机器人的形状与控制器之间存在紧密联系，这也是为何每个特定机器人都需要单独优化控制器的原因。一旦每个模拟机器人能够自由移动，研究团队便可以通过“图形启发式搜索”来寻找高性能的机器人。
这一系统的发明并非旨在取代人工设计，Allan Zhao希望借助该系统激发人们的创造力。
哥伦比亚大学的机械工程师兼计算机科学家Hod Lipson，尽管未参与该项目，但他认为这一工作是25年来自动设计机器人形态与控制领域的重大成就。形状语法的应用理念已有一段时间，但没有哪个项目像这个作品一样完美地实现了这一构想。
