工程师开发工具以提高任何自主机器人系统的性能

麻省理工学院的一组工程师开发了一种优化代码，以提高任何自主机器人系统的性能。该代码可以自动识别系统中需要改进的位置和方式。

工程师的发现将在纽约举行的年度机器人：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，以及丘丘·范（ChuChu Fan），麻省理工学院航空航天工程系的助理教授。

设计AI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。为了设计一个自主机器人，工程师依赖于试错模拟，这些模拟通常由直觉指导。同时，这些模拟是针对机器人特定组件和指定任务的，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通过他们的新通用设计工具改变这一点。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，并帮助自动识别机器人性能可以改进的方式。

该工具已被证明可以改进两种非常不同的自主系统的性能。第一种系统是一种在两个障碍之间行进的机器人，第二种系统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各种自主系统的开发，例如行走机器人或自动驾驶车辆。

道森和范说，他们意识到需要这种工具是因为观察到其他工程学科中可用的各种自动化设计工具。

“如果一位机械工程师想要设计一个风力涡轮机，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其是否能抵抗某些负载，”道森说。“但是，对于自主系统，缺乏这些计算机辅助设计工具。”

为了优化一个自主系统，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，然后采取某些组件的参数。模拟然后被运行以查看系统将如何执行。

必须运行多个试错过程才能确定最佳组合，这是一个耗时的过程。

“我们不想问‘给定一个设计，性能如何？’，而是问‘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被设计为自动找到可以改进现有系统的调整。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”，该技术有助于快速高效地“评估导数”，或任何参数的变化敏感度。

“我们的方法自动告诉我们如何从初始设计向实现目标的设计迈出小步，”道森说。“我们使用autodiff来基本上深入代码中定义模拟器，并找出如何自动执行此逆过程。”

测试工具

该工具已被测试在两个独立的自主机器人系统上，并在实验室实验中改进了每个系统的性能。虽然第一个系统由一台设计为在两个障碍之间行进的机器人组成，但第二个系统更令人印象深刻。

第二个系统更复杂，包括两台合作移动箱子的机器人，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需要采取的步骤以完成任务，优化过程比传统方法快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。”

该通用优化器可供下载，团队现在将进一步改进它，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。”