在不考慮成本等情況下，如果要設計一個能夠投擲物品的機器人，可能大多數(shù)人會設計一個人形機器人。

用雙腿保持身體穩(wěn)定，雙手投擲物品，完美。

可能這也是為什么科學家們?nèi)绱藞?zhí)著于人形機器人的原因之一吧。

今天文摘菌要介紹的一群“怪東西”，是一群像俄羅斯方塊組成的“怪物”，但也正是這些小怪物，能夠輕松地投擲物品，就像這樣：

這些怪東西來頭可不小。

這其實是在MIT計算機科學和人工智能實驗室的一個新平臺Evolution Gym中，計算機“進化”了機器人的身體大腦。

系統(tǒng)共同開發(fā)者之一、麻省理工學院計算機科學家Wojciech Matusik說：“我們或許能夠憑借此發(fā)現(xiàn)新的、意想不到的機器人設計，或者更多高性能的機器人。”

試想，未來的機器人不再依賴人類設計師，以及自帶的人類偏見，而直接將設計委托給算法，豈不妙哉？

旋轉跳躍，每個色塊都是一種屬性

剛剛展示的只是這群小東西的冰山一角。

比如自我翻轉：

?可別小看了這個簡單的動作，機器人身上每個色塊可都很講究。比如，黑色代表了一個剛性部件，灰色代表的則是軟性部件，這些部件都不會主動執(zhí)行任務。相反，那些彩色的色塊才是執(zhí)行器，也就是運動關節(jié)，讓機器人運動的部分。

在彩色色塊里，藍色代表了致動器在垂直方向上收縮或擴張，橙色代表著在水平方向收縮或擴張。

如果你再仔細看看這個機器人，你就會發(fā)現(xiàn)，當機器人翻轉時，基本上是圍繞著黑色的剛體部分在轉動，彩色色塊則是不停將其推離地面。

?

相比之下，這個拱形機器人則只由水平方向的致動體，但通過不停地收縮和擴張，機器人能夠以一種相對優(yōu)雅的方式…奔跑。

?可以看到，這個機器人已經(jīng)學會了如何攀爬。

機器人通過兩側藍色致動器的交替運動，以獲得向上的力，同時機器人頂部的附屬物也在柱子上不停摸索。

可能你已經(jīng)注意到了，那就是這些柱子不是全剛體的，灰色部分更軟一些，這也是機器人必須要適應的一部分，因為柱子的結構注定了機器人向上攀爬的道路是搖搖晃晃的。

對于一個簡單的機器人來說，這是非常復雜的行為，更何況這還是一個自我設計的機器人。

一個可能刺激大量新研究的環(huán)境

在設計這些機器人之前，系統(tǒng)首先會以獨特的方式擾亂這四種色塊，創(chuàng)造出數(shù)百種形態(tài)，就像是生物進化一樣。

下圖每列展示的是四種表現(xiàn)形狀最好的一代，不僅如此，算法還優(yōu)化了這些機器人的“控制器”，基本上就是告訴執(zhí)行色塊做什么和以什么順序做的大腦。

在Evolution Gym里，每個形態(tài)都用不同的大腦運行，系統(tǒng)會根據(jù)執(zhí)行某種任務的好壞進行評分，如向前行走或投擲塊。

Matusik表示：“挑選表現(xiàn)最好的軟體機器人，這就意味著它們在進化，或是在進行某種意義上的變異，直到結構完善，這就是適者生存?！毙凶呋蚺逝滥芰ψ顝姷臋C器人成為下一代的種子，表現(xiàn)不佳的機器人被淘汰，這就是所謂的進化機器人學。其他研究人員也正在使用類似的技術，例如進化出針對某些表面優(yōu)化的機器人腿部等。

比如，這個搭載著積木的機器人，通過不斷演變，能夠在奔跑的同時平衡背上的物體：

?

這個機器人更像是某種用于操縱頭頂橫梁的倒置手提鉆：

?要知道，所有這些機器人都是在模擬中通過算法不斷演變出來的，所以它們實際上并不存在。

目前這些機器人還是存在局限的，比如在特定形態(tài)下他們只能完成攀爬或投擲，而不能同時完成多個動作。

Evolution Gym已經(jīng)開源了，要是感興趣的大家，可以在這里玩玩：

https://evolutiongym.github.io/

Matusik說：“這是一個可能刺激大量新研究的環(huán)境?！毖芯咳藛T基本上可以從頭開始創(chuàng)造越來越多的智能機器人系統(tǒng)，而不需要對結構或大腦應該是什么有任何先入為主的概念。

在Evolution Gym創(chuàng)造出不同種類的機器人后，接下來就應該考慮如何在現(xiàn)實世界中實現(xiàn)了。

挪威國防研究機構研究進化機器人學的T?nnes Nygaard表示：“我非常期待看到其他研究人員如何開始使用這個基準框架，以及最終會出現(xiàn)什么類型的創(chuàng)造性虛擬機器人。”

也正如他所說，任何能夠幫助建立研究興趣和合作的系統(tǒng)，都應該受到褒獎，比如Evolution Gym。

相關報道：

https://www.wired.com/story/see-little-robots-get-swole-in-this-virtual-gym/

本文來自微信公眾號 “大數(shù)據(jù)文摘”（ID：BigDataDigest），作者：Caleb，36氪經(jīng)授權發(fā)布。