扩散模型（如 OpenAI 的 DALL-E）正日益成为设计构思的得力助手。人类只需输入指令，这些系统就能生成图像、制作视频或优化设计图纸，带来意想不到的创新方案。
但你是否知道，生成式人工智能（GenAI）在机器人制造领域也取得了突破性进展？最新基于扩散模型的技术已能从头构建机器人结构及其控制系统。无论是否接收用户指令，这些模型都能自主生成新设计，并在仿真环境中完成评估后投入制造。
近日，麻省理工学院计算机科学与人工智能实验室（CSAIL）发布了两个新机器人项目成果，这两个项目利用人工智能来改进和加速机器人设计。成果已在 2025 年国际机器人与自动化大会上发表。
用户只需提供机器人 3D 模型草稿并标注需要改进的部件尺寸，GenAI 便会自动生成这些部位的最优形态，并通过仿真测试方案。当系统确定最佳设计后，可直接保存文件并用 3D 打印机一次成型制造出功能完备的机器人，无需后期调整。
据该团队称，这项研究可以帮助大幅减少工程师在机器人开发中面临的典型反复试验过程，使设计更快地进入原型阶段。
这项技术最引人注目的应用案例是微型弹跳机器人的研发。麻省理工学院的研究人员对比了两个版本：完全由人工设计的原型机与经扩散模型优化的改进版。尽管两者采用相同塑料材质（PLA）和基础结构，但经过 AI 优化的版本弹跳高度提升了 41%——达到约 2 英尺（约 61 厘米）。
性能提升的奥秘在于：AI 建议将原本笔直的块状关节结构改为曲线设计。这种精妙的形态调整使机器人能更高效地储存和释放能量，同时保持结构强度。
研发过程中，AI 以初始设计为起点，经过 5 轮迭代生成 500 种形态变体，最终确定了一个外形奇特但弹跳效率显著提升的优化方案。该设计经等比缩放后通过 3D 打印制成实体进行实测。实物测试证实，这种独特结构确实显著提升了机器人的弹跳性能。
项目共同负责人、CSAIL 博士后 Byungchul Kim 指出，扩散模型的优势在于能发现突破常规的优化方案：“我们原计划通过极致减薄连接部件来减轻重量以提升弹跳高度。但传统 3D 打印材料的力学特性会导致过薄结构易损。扩散模型却提出了创新方案——通过特殊形态设计使机器人在起跳前储存更多能量，同时避免连接件过度纤薄。这种创造性方案让我们对机器物理原理有了新认知。”
弹跳仅是基础能力，安全着陆同样关键。研究团队再次启用生成式 AI 设计机器人足部，经过多轮模拟测试后选定最优方案。结果显示：改进版机器人跌落概率比标准版降低 84%。这种在垂直弹跳与平衡性上的双重提升，印证了生成式 AI 可同步优化机器人性能与可靠性。
该突破不仅适用于弹跳机器人，对所有需要敏捷性与精确性的机器人系统都具有重要价值。例如制造业或家用机器人公司可采用类似技术优化原型设计，大幅节省工程师传统迭代修改所需的时间成本
为实现机器人的高弹跳与稳着陆双重目标，研究团队开创性地在两项性能指标间建立了精妙平衡。他们将跳跃高度与着陆成功率量化为数值参数，通过系统训练找到两个嵌入向量之间的最佳平衡点，从而构建出最优三维结构。
研究人员指出，虽然当前 AI 设计的机器人已超越人工版本，但其性能仍有巨大提升空间。本次迭代受限于 3D 打印材料的特性，若采用更轻量化材料，未来版本将实现更高弹跳高度。
项目共同负责人、MIT CSAIL 博士生 Johnson Wang 表示：“这项研究是生成式 AI 辅助机器人设计的起点。我们计划拓展更灵活的设计目标，比如直接用自然语言指令让扩散模型生成能抓取咖啡杯或操作电钻的机器人。”
Kim 补充道，扩散模型还能优化关节设计并创新连接方式，有望进一步提升弹跳性能。团队正在探索增加电机数量以控制弹跳方向，从而增强着陆稳定性。
水下滑翔机器人研发中，研究团队与威斯康星大学麦迪逊分校展开合作，通过测试多种流体力学外形，最终开发出用于环境监测与数据采集的机器人。
团队向 AI 模型输入了 20 余种“海洋探索形态”——包括潜艇、鲸类、蝠鲼和鲨鱼等生物外形。该系统最终生成两种滑翔器设计方案：双翼式（类似飞机造型）与四翼式（仿照四鳍平尾鱼的流体结构）。这种方法创造出了非常规但更高效的滑翔模型。
当前采用标准 3D 打印塑料材料，研究人员相信，未来使用更轻更强的材料可进一步提升性能。通过生成式 AI 与仿真技术的融合，机器人不仅更智能，更使整个建造过程变得更快速、更直观、更高效。从工厂车间到未来家居，这项突破或将成为机器人设计与制造的重要转折点。
https://news.mit.edu/2025/using-generative-ai-help-robots-jump-higher-land-safely-0627
线上股票配资炒股网提示：文章来自网络，不代表本站观点。
