【據(jù)美國麻省理工學院網站2022年6月21日報道】美國麻省理工學院（MIT）的科研團隊為機器人專家開發(fā)了一種通用的設計工具，可用于模擬幾乎任何自主機器人系統(tǒng)的優(yōu)化代碼，還可以自動識別如何以及在何處調整系統(tǒng)來提高機器人的性能，從而加速步行機器人、自動駕駛車輛和其他自主系統(tǒng)的設計優(yōu)化。
該代碼的核心基于一種由機器學習社區(qū)開發(fā)的自動差分（“autodiff”）編程工具，最初被用于訓練神經網絡，是一種快速高效評估計算編程程序對任意參數(shù)變化敏度的技術。目前，該團隊已經在兩個獨立的自主機器人系統(tǒng)上進行了測試。測試結果表明，與傳統(tǒng)的優(yōu)化方法相比，該工具在實驗室試驗中可更快速改善每個系統(tǒng)性能。
研究人員表示，“如果系統(tǒng)中有很多參數(shù)需要優(yōu)化，該工具可以做得更好，可以成倍的節(jié)省更多時間。就好比一種組合選擇，隨著參數(shù)數(shù)量的增加，選擇也會增加，這種新型優(yōu)化工具一次即可大大縮減可能的選擇”。
該團隊已經提供了通用優(yōu)化器的下載渠道，并計劃進一步完善代碼，以便應用于更復雜的系統(tǒng)中。該團隊還將于下月在美國紐約召開的《Robotics: Science and Systems》年會上宣讀相關論文“Certifiable Robot Design Optimization using Differentiable Programming”。 loitering munition
該項研究得到了新加坡國防科技局和MIT-IBM沃森人工智能實驗室的支持。
?