本文轉(zhuǎn)自雷鋒網(wǎng)，如需轉(zhuǎn)載請至雷鋒網(wǎng)官網(wǎng)申請授權(quán)。

談起學(xué)英語，很多人最為頭疼的便是兩個字——語法（grammar）。

其實，不僅英文有語法，任何語言都需要語法，作為語言學(xué)（Linguistics）的一個分支，它是語言的行文法則。

給詞、短語、句子立規(guī)矩，一門語言則有了基礎(chǔ)；同理，設(shè)計機器人也需要規(guī)則，就比如機器人在穿越某種地形時，其形態(tài)如何極為關(guān)鍵。

想象一下，要設(shè)計一個會爬樓的機器人，它應(yīng)該像人一樣有兩條腿，還是像螞蟻一樣有六條腿呢？

要想知道何種形態(tài)爬樓效果最佳，最直接的方式是把每一種可能的方案都嘗試一遍，但這種方法自然耗時耗力。

基于此，美國麻省理工學(xué)院（MIT）有了給機器人制定「語法」的想法——開發(fā)一種名為 RoboGrammar 的計算機系統(tǒng)。

機器人長什么樣，就讓計算機來決定吧！

計算機如何設(shè)計機器人？

1967 年，SIGGRAPH（Special Interest Group for Computer GRAPHICS，計算機圖形圖像特別興趣小組）成立，其關(guān)注點主要在于計算機繪圖和動畫制作軟硬件技術(shù)。

1974 年起，SIGGRAPH 開始舉辦年會，為眾多計算機圖像技術(shù)軟硬件廠商的最新研究成果提供一個展示的機會，SIGGRAPH 年會上的展品常被媒體稱為是圖像的未來。

比如在 SIGGRAPH 2017 上，NVIDIA 展示了 VR 相關(guān)技術(shù)、Intel 展示了在電影《敦刻爾克》的拍攝中提供的技術(shù)支持。

SIGGRAPH 2020（Asia）上，有關(guān) MIT RoboGrammar 系統(tǒng)的研究成果公布。

其論文題為 RoboGrammar: Graph Grammar for Terrain-Optimized Robot Design（機器人語法：基于地形優(yōu)化機器人設(shè)計的圖形語法），這也直接點明了 RoboGrammar 的主要側(cè)重點：地形。

實際上，MIT 研究團隊的初心在于創(chuàng)新機器人的形態(tài)，以達到最佳性能。

論文第一作者、MIT 計算機科學(xué)與人工智能實驗室（CSAIL）博士生 Allan Zhao 認為，設(shè)計機器人的目的可以說是幾乎無窮無盡的，但它們在總體形態(tài)設(shè)計上都比較相似：

當(dāng)你想制造一個需要穿越復(fù)雜各種地形的機器人時，你腦海中可能會立刻跳出一只四足機器狗，但我們想知道這是否真的是最佳設(shè)計。

研究團隊設(shè)計的 RoboGrammar 系統(tǒng)作為一種自動化的方法，主要用于生成優(yōu)化的機器人結(jié)構(gòu)。

要打造機器人，首先計算機需要知道兩方面信息：一是車間里有哪些零件（輪子、關(guān)節(jié)等）可用，即下圖中的 components；二是機器人未來要存在于哪種環(huán)境下（樓梯、平坦區(qū)域或光滑表面，或是幾種地形的組合等），即 terrains。

例如在摩擦系數(shù)僅為 0.05 的結(jié)冰湖面上，機器人的形態(tài)可以是這樣的。

再例如類似這樣的組合地形。

基于兩方面信息，接下來的工作就可以完全交給 RoboGrammar 系統(tǒng)了。

系統(tǒng)中，機器人組件的所有排列方式通過圖形語法（graph grammar）來表示，隨后可能會形成數(shù)十萬個機器人的形態(tài)設(shè)計（grammar generated structures），都用一幅圖表示。

也就是說，每種設(shè)計都對應(yīng)著一個語法規(guī)則序列，而這種語法規(guī)則主要受到自然界中節(jié)肢動物的啟發(fā)。

機器人的哪種形態(tài)最佳？

有了語法規(guī)則，針對特定地形，系統(tǒng)已經(jīng)生成了多樣的排列組合。但正如 Allan Zhao 所言：

語法創(chuàng)造的只是數(shù)量，并非機器人的最佳形態(tài)。

那么，哪種形態(tài)最佳呢？

帶著這個問題，RoboGrammar 系統(tǒng)開始了關(guān)鍵一步——自動檢索適用于地形的性能最佳機器人及其相應(yīng)的控制器。

所謂控制器，是指一組能為機械結(jié)構(gòu)真正賦予生命的指令，它將控制機器人各個馬達的運動順序，在論文中，控制器的算法被稱為是「模型預(yù)測控制」（Model Predictive Control），在這一算法中，快速向前移動的優(yōu)先級最高。

 當(dāng)每個機械結(jié)構(gòu)被賦予生命后，計算機就會通過被稱為「圖形啟發(fā)式搜索」（Graph Heuristic Search） 的神經(jīng)網(wǎng)絡(luò)算法來檢索高性能機器人。

作為一種新型的組合設(shè)計空間的高效搜索方式，Graph Heuristic Search 使得計算機在探索設(shè)計空間的同時學(xué)習(xí)函數(shù)，該函數(shù)能將不完整的設(shè)計（如組合搜索樹中的節(jié)點）映射到通過擴展這些不完整的設(shè)計實現(xiàn)的最佳性能值。

值得一提的是，Graph Heuristic Search 優(yōu)先探索的是設(shè)計空間中那些最有希望的分支。

為進一步測試 Graph Heuristic Search， 研究人員特意設(shè)定了多種對于機器人來說具有挑戰(zhàn)性的地形。結(jié)果證明，不論是單一地形還是地形組合，RoboGrammar 都能生成性能最佳的機器人。

而上述所有步驟都發(fā)生在工程師拿起螺絲釘之前。

Allan Zhao 表示：

目前為止，機器人設(shè)計仍然是一個非常“手工”的過程，而我們的 RoboGrammar 則是一種更新穎的、更有創(chuàng)意的機器人設(shè)計方法，它可能會更高效。

機器人研究權(quán)威專家、美國哥倫比亞大學(xué)教授 Hod Lipson 對這項研究成果的評價則是：

這項工作是 25 年來在自動設(shè)計機器人形態(tài)和控制方面的最高成就。使用圖形語法的想法已經(jīng)出現(xiàn)一段時間了，但是還沒有哪個團隊能像這樣完美地實現(xiàn)了這一想法。

正如很多科學(xué)領(lǐng)域一樣，機器人的未來還有很大的想象空間，期待 MIT 這一創(chuàng)新想法的后續(xù)進展。