机器人
工程师开发工具以改进任何自主机器人系统
麻省理工学院（MIT）的工程师团队开发了一种优化代码，以改进任何自主机器人系统。该代码可以自动识别如何和在哪里修改系统以提高机器人的性能。
工程师的发现将在纽约的年度机器人：科学和系统会议上发表。该团队包括查尔斯·道森（Charles Dawson），麻省理工学院的研究生，以及楚楚·范（ChuChu Fan），麻省理工学院航空航天工程系的助理教授。
设计人工智能和机器人系统
人工智能（AI）和机器人系统被广泛应用于各个行业，每个系统都是特定设计过程的结果。为了设计自主机器人，工程师依赖于模拟试验，这些试验通常由直觉指导。同时，这些模拟是针对机器人的特定组件和指定任务量身定制的，这意味着没有真正的“配方”可以保证成功的结果。
麻省理工学院的工程师正在改变这一点，他们开发了一种新的通用设计工具，适用于机器人领域。他们开发了一种优化代码，可以应用于几乎任何自主机器人系统的模拟，并有助于自动识别机器人性能可以改进的方法。
该工具已证明能够改进两种非常不同的自主系统的性能。第一种是导航路径的机器人，第二种是两台合作移动重箱的机器人。
根据研究人员的说法，这种新的通用优化器可以帮助加速广泛的自主系统的开发，例如行走机器人或自动驾驶车辆。
道森和范说，他们在观察其他自动化设计工具可用于其他工程学科之后，意识到了这种工具的需求。
“如果一名机械工程师想要设计风力涡轮机，他们可以使用3D CAD工具设计结构，然后使用有限元分析工具检查它是否能够抵抗某些负载，”道森说。“但是，对于自主系统，缺乏这些计算机辅助设计工具。”
为了优化自主系统，机器人工程师通常首先开发系统及其相互作用的子系统的模拟，然后采取每个组件的某些参数。然后模拟运行以查看系统将如何执行。
必须运行多个试验和错误过程，才能确定最佳组合的成分，这是一个耗时的过程。
“我们不再说，’给定一个设计，什么是性能？’我们想反过来问，’给定我们想要看到的性能，什么是可以实现它的设计？'”道森说。
优化框架或计算机代码的设计目的是自动找到可以对现有系统进行的调整。该代码基于自动微分，这是一种最初用于训练神经网络的编程工具。也称为“autodiff”，这种技术有助于快速高效地“评估导数”，或任何参数的灵敏度变化。
“我们的方法自动告诉我们如何从初始设计向实现我们目标的设计迈出小步，”道森说。“我们使用autodiff基本上深入到定义模拟器的代码，并自动找出如何执行此反转。”
测试工具
该工具已在两个独立的自主机器人系统上进行了测试，并在实验室实验中改进了每个系统的性能。虽然第一个系统由设计用于规划两障碍之间的路径的轮式机器人组成，但第二个系统更为令人印象深刻。
第二个系统更复杂，有两台轮式机器人合作推动一个箱子到达目标位置，这意味着模拟包括更多参数。该工具能够高效地识别机器人完成任务所需的步骤，优化过程比传统技术快20倍。
“如果您的系统有更多参数需要优化，我们的工具可以做得更好，并且可以节省指数级的时间，”范说。“这基本上是一个组合选择：随着参数数量的增加，选择也会增加，我们的方法可以一次性减少这些选择。”
通用优化器可供下载，该团队现在将进一步完善它，这将使其对更复杂的系统更有用。
“我们的目标是赋予人们建立更好的机器人的能力，”道森说。“我们正在提供一个新的构建块来优化他们的系统，因此他们不必从头开始。”
