SoftZoo是一個軟機器人協(xié)同設(shè)計平臺，可以測試機器人在不同環(huán)境中的形狀和尺寸。

自2008年采用“軟機器人”一詞以來，該領(lǐng)域的工程師一直在構(gòu)建各種用于探索，運動，康復(fù)甚至太空的柔性機器。靈感來源之一：動物在野外的移動方式。

麻省理工學(xué)院的一個研究人員團隊更進一步，開發(fā)了SoftZoo，這是一個受生物啟發(fā)的平臺，使工程師能夠研究軟機器人協(xié)同設(shè)計。該框架優(yōu)化了由設(shè)計組成的算法，該算法決定了機器人的外觀;和控制，或支持機器人運動的系統(tǒng)，改善用戶自動生成潛在機器輪廓的方式。

該平臺在野外散步，以熊貓熊、魚類、鯊魚和毛毛蟲等動物的 3D 模型為設(shè)計，可以模擬軟機器人任務(wù)，如運動、敏捷轉(zhuǎn)彎和不同環(huán)境中的路徑跟蹤。無論是雪、沙漠、粘土還是水，該平臺都展示了各種設(shè)計在不同地形下的性能權(quán)衡。

“我們的框架可以幫助用戶找到機器人形狀的配置，使他們能夠設(shè)計可以做許多不同事情的軟機器人算法，”麻省理工學(xué)院博士生Tsun-Hsuan Wang說，他是計算機科學(xué)和人工智能實驗室（CSAIL）的附屬機構(gòu)，他是該項目的首席研究員?！皬谋举|(zhì)上講，它幫助我們了解機器人與環(huán)境交互的策略。

SoftZoo比已經(jīng)模擬設(shè)計和控制的類似平臺更全面，因為它模擬了對各種生物群落的物理特征做出反應(yīng)的運動。該框架的多功能性來自可微分的多物理場引擎，該引擎允許同時模擬物理系統(tǒng)的多個方面，例如小海豹在冰上轉(zhuǎn)動或毛毛蟲在濕地環(huán)境中緩慢行駛。該引擎的可微性通過減少解決計算控制和設(shè)計問題所需的通常昂貴的仿真次數(shù)來優(yōu)化協(xié)同設(shè)計。因此，用戶可以使用更復(fù)雜的指定算法設(shè)計和移動軟機器人。

該系統(tǒng)模擬與不同地形相互作用的能力說明了形態(tài)學(xué)的重要性，形態(tài)學(xué)是研究不同生物體的形狀，大小和形式的生物學(xué)分支。根據(jù)環(huán)境的不同，一些生物結(jié)構(gòu)比其他生物結(jié)構(gòu)更優(yōu)化，就像比較完成類似任務(wù)的機器的藍(lán)圖一樣。

這些生物輪廓可以激發(fā)更專業(yè)的、針對特定地形的人工生命?！八溉岷推鸱膸缀涡螤钍蛊淠軌蛴行У卮┰酱笃?，激發(fā)研究人員開發(fā)新型軟機器人，并為完全在計算機中培養(yǎng)的人造生物開辟了無限的可能性，”王說。“此外，蜻蜓可以執(zhí)行其他飛行生物無法完成的非常敏捷的動作，因為它們的翅膀上有特殊的結(jié)構(gòu)，在飛行時會改變它們的質(zhì)心。我們的平臺優(yōu)化了運動，就像蜻蜓自然更擅長在周圍環(huán)境中工作一樣。

以前，機器人很難在雜亂的環(huán)境中導(dǎo)航，因為它們的身體不符合周圍環(huán)境。不過，有了SoftZoo，設(shè)計師可以同時開發(fā)機器人的大腦和身體，共同優(yōu)化陸地和水上機器，以提高意識和專業(yè)化。隨著行為和形態(tài)智能的增加，機器人在完成救援任務(wù)和進行探索方面將更加有用。例如，如果一個人在洪水期間失蹤，機器人可能會更有效地穿越水域，因為它使用SotftZoo平臺中演示的方法進行了優(yōu)化。

“SoftZoo為軟機器人設(shè)計師提供開源模擬，幫助他們更輕松，更靈活地構(gòu)建真實世界的機器人，同時加速機器在不同環(huán)境中的運動能力，”該研究的共同作者Chuang Gan補充道，他是麻省理工學(xué)院-IBM Watson AI實驗室的研究科學(xué)家，他很快將成為馬薩諸塞大學(xué)阿默斯特分校的助理教授。

“這種共同設(shè)計軟機器人身體及其大腦（即它們的控制器）的計算方法為快速創(chuàng)建專為特定任務(wù)設(shè)計的定制機器打開了大門，”CSAIL主任Daniela Rus補充道，麻省理工學(xué)院電氣工程與計算機科學(xué)系（EECS）的Andrew和Erna Viterbi教授，他是這項工作的另一位作者。

在構(gòu)建任何類型的機器人之前，該框架可以替代現(xiàn)場測試不自然的場景。例如，評估類似熊的機器人在沙漠中的行為對于在波士頓城市平原工作的研究團隊來說可能具有挑戰(zhàn)性。相反，軟機器人工程師可以在SoftZoo中使用3D模型來模擬不同的設(shè)計，并評估控制機器人的算法在導(dǎo)航中的效果。反過來，這將節(jié)省研究人員的時間和資源。

盡管如此，當(dāng)前制造技術(shù)的局限性阻礙了這些軟機器人設(shè)計栩栩如生?！皬哪M到物理機器人的轉(zhuǎn)移仍未解決，需要進一步研究，”王說?！癝oftZoo中的肌肉模型，空間變化的剛度和傳感器化無法用當(dāng)前的制造技術(shù)直接實現(xiàn)，因此我們正在應(yīng)對這些挑戰(zhàn)。

未來，該平臺的設(shè)計者正在關(guān)注人體力學(xué)中的應(yīng)用，例如操縱，因為它能夠測試機器人控制。為了展示這種潛力，Wang的團隊設(shè)計了一個3D手臂，向前扔雪球。通過包括對更像人類的任務(wù)的模擬，軟機器人設(shè)計師可以使用該平臺來評估抓取、移動和堆疊物體的軟機械臂。

Wang，Gan和Rus與EECS博士生和CSAIL附屬公司Pingchuan Ma，哈佛大學(xué)博士后Andrew Spielberg博士'21，卡內(nèi)基梅隆大學(xué)博士生周賢，麻省大學(xué)阿默斯特分校副教授張浩，麻省理工學(xué)院腦和認(rèn)知科學(xué)教授以及CSAIL附屬公司Joshua B. Tenenbaum一起撰寫了一篇關(guān)于這項工作的論文。

Wang在MIT-IBM Watson AI Lab實習(xí)期間完成了這項工作，NSF EFRI計劃，DARPA MCS計劃，MIT-IBM Watson AI Lab以及MERL，思科和亞馬遜的捐贈資金都為該項目提供了支持。該團隊的研究將在本月的2023年學(xué)習(xí)表征國際會議上發(fā)表。