自挑剔的Roomba问世以来，自主机器人已经取得了长足的进步。近年来，人工智能系统已部署在自动驾驶汽车、最后一英里食品配送、餐厅服务、患者筛查、医院清洁、膳食准备、建筑安保和仓库包装中。
这些机器人系统中的每一个都是特定于特定系统的特殊设计过程的产物。在设计一个自主机器人时，工程师们必须进行无数的试错模拟，通常是凭直觉进行的。这些仿真针对特定机器人的组件和任务进行定制，以调整和优化其性能。在某些方面，今天设计一个自主机器人就像从头开始烤蛋糕，没有配方或准备好的混合物来确保成功的结果。
现在，麻省理工学院的工程师们已经开发出一种通用的设计工具，供机器人专家使用，作为一种自动化的成功秘诀。该团队设计了一种优化代码，可用于模拟几乎任何自主机器人系统，并可用于自动确定如何以及在何处调整系统以提高机器人的性能。
研究小组表明，该工具能够快速提高两个截然不同的自治系统的性能：一个是机器人在两个障碍物之间导航，另一个是两个机器人一起移动一个沉重的箱子。
研究人员希望，新的通用优化器能够帮助加速各种自主系统的开发，从步行机器人和自动驾驶车辆，到柔软灵巧的机器人，以及协作机器人团队。
该团队由麻省理工学院研究生查尔斯·道森（CharlesDawson）和麻省理工学院航空航天系助理教授朱楚凡（ChuchuFan）组成，将于本月晚些时候在纽约举行的年度机器人学：科学与系统会议上展示其研究结果。
倒置式设计
Dawson和Fan在观察了大量可用于其他工程学科的自动化设计工具后，意识到需要一个通用优化工具。
道森说：“如果机械工程师想设计风力涡轮机，他们可以使用3D CAD工具来设计结构，然后使用有限元分析工具来检查它是否能承受特定的载荷。”。“然而，缺乏这些用于自主系统的计算机辅助设计工具。”
通常，机器人专家通过首先开发系统及其许多交互子系统的仿真来优化自治系统，如规划、控制、感知和硬件组件。然后，她必须调整每个组件的某些参数，并向前运行模拟，以查看系统在该场景中的性能。
只有通过反复试验运行多个场景后，机器人专家才能确定成分的最佳组合，以产生所需的性能。道森和范试图颠覆这一繁琐、过度定制和耗时的过程。
道森解释道：“与其说‘给定一个设计，性能如何？’，不如说‘给定我们想要看到的性能，是什么设计让我们达到了目的？’。
研究人员开发了一个优化框架或计算机代码，可以自动找到可以对现有自治系统进行的调整，以达到预期的结果。
代码的核心是基于自动微分，或“autodiff”，这是一种在机器学习社区内开发的编程工具，最初用于训练神经网络。Autodiff是一种可以快速有效地“计算导数”的技术，或计算计算机程序中任何参数变化的灵敏度。Dawson和Fan基于autodiff编程的最新进展，开发了一种用于自主机器人系统的通用优化工具。
道森说：“我们的方法自动告诉我们如何从最初的设计向实现我们目标的设计迈出一小步。”。“我们使用autodiff从本质上深入研究定义模拟器的代码，并找出如何自动执行此反转。”
制造更好的机器人
该团队在两个独立的自主机器人系统上测试了他们的新工具，与传统的优化方法相比，该工具在实验室实验中快速改善了每个系统的性能。
第一个系统包括一个轮式机器人，其任务是根据从位于不同位置的两个信标接收到的信号，规划两个障碍物之间的路径。团队试图找到信标的最佳位置，以便在障碍物之间找到一条清晰的道路。
他们发现，新的优化器很快就能通过机器人的模拟工作，并在5分钟内确定信标的最佳位置，而传统方法只有15分钟。
第二个系统更为复杂，由两轮机器人共同工作，将箱子推向目标位置。该系统的模拟包括更多的子系统和参数。然而，该团队的工具有效地确定了机器人实现目标所需的步骤，优化过程比传统方法快20倍。
“如果你的系统有更多的参数需要优化，我们的工具可以做得更好，可以节省更多的时间，”范说。“这基本上是一种组合选择：随着参数数量的增加，选择也会增加，我们的方法可以一次性减少。”
该团队已经提供了通用优化器可供下载，并计划进一步完善代码，以应用于更复杂的系统，例如设计用于与人类交互并与人类协同工作的机器人。
道森说：“我们的目标是让人们制造更好的机器人。”。“我们为优化他们的系统提供了一个新的构建块，因此他们不必从头开始。”