MIT用生成式AI設計跳得更高機械人

利用生成式人工智能助機械人跳得更高及安全著陸

麻省理工學院（MIT）電腦科學與人工智能實驗室（CSAIL）的研究人員結合生成式人工智能（GenAI）與物理模擬引擎，優化機械人設計，成功創造出一款跳躍能力超越人類設計的機械人。

生成式AI模型，例如OpenAI的DALL-E，愈來愈多用於構思新設計。用戶可以透過提示生成圖像、影片或改良藍圖，帶來意想不到的創意。你可能未必知道，生成式AI同時開始在機械人設計上大展拳腳。近期基於擴散模型的技術，已能從零開始創造機械結構及控制系統，並在模擬中評估設計成效，然後再製作實物。

MIT CSAIL團隊發展出一套新方法，將這種生成技術應用於改善人類設計的機械人。用戶先繪製一個3D機械人模型，指定希望由擴散模型改良的部分及其尺寸。生成式AI會構思該部位的最佳形狀，並在模擬中測試。當系統找到理想設計後，用戶便可直接用3D打印機製造出成品，無需額外調整。

研究團隊用此方法製造出一款平均跳躍高度約為2英尺（約61厘米）的機械人，較人類設計的同款機器高出41%。兩者外觀相似，均採用聚乳酸塑膠製造，初時呈扁平狀，當馬達拉動連接繩索時會彈起成菱形。AI究竟有何不同？細看便發現，AI設計的連結部位彎曲且形似鼓棒，而傳統設計則是直線及矩形。

不斷優化的「奇形怪狀」設計

研究人員首先從500個潛在設計中挑選表現最優的12款，並用這些結果來優化AI的嵌入向量（用數字表示高層特徵，指導後續生成）。這個循環進行五次，逐步引導AI產出更佳設計。最終生成的設計形似一團「塊狀物」，研究員再將其調整至合適3D模型尺寸並打印，結果證實大幅提升了機械人跳躍能力。

CSAIL博士後Byungchul Kim表示，利用擴散模型的優勢在於它能提出非傳統的解決方案。「我們本想讓機械人跳得更高，初步想法是把連結部位做得盡可能輕薄，但3D打印材料太薄會易碎。擴散模型則建議了一種獨特形狀，讓機器能在跳躍前儲存更多能量，同時保持連結強度，這種創意讓我們更了解機械人的物理原理。」

團隊接着用同樣方法設計了機械人的腳部，確保著陸時更穩定。經過多輪優化後，AI設計的腳部令機械人跌倒次數大幅減少，成功率提升了84%。

這種擴散模型在提升跳躍及著陸性能的能力，顯示它能廣泛應用於其他機械設計領域。例如，製造業或家用機械人企業可利用相似方法改良原型，大幅節省工程師調整設計的時間。

跳躍與著陸的平衡藝術

為了打造既能跳得高又能穩定著陸的機械人，研究團隊將跳躍高度和著陸成功率數據化，並訓練系統在兩者之間尋找最佳平衡點，從而產生理想的3D結構。

儘管這款AI輔助設計的機械人已超越人類設計版本，研究員相信未來可跳得更高。現時使用的材料適合3D打印，但若改用更輕盈的物料，跳躍表現將進一步提升。

MIT博士生兼CSAIL成員Tsun-Hsuan「Johnson」Wang表示，這個項目是生成式AI輔助機械人設計的起點。「我們希望拓展至更靈活的目標，例如用自然語言指令，引導擴散模型設計能夠拿起杯子或操作電鑽的機械人。」

Kim補充，擴散模型還能協助設計關節及連接方式，或許可以進一步提升跳躍高度。團隊亦在研究增設更多馬達，控制跳躍方向及加強著陸穩定性。

這項研究部分由美國國家科學基金會創新前沿計劃、新加坡MIT聯盟研究計劃及光州科學技術院（GIST）與CSAIL合作支持，並於2025年國際機械人與自動化會議發表成果。

—

評論與啟示

MIT團隊運用生成式AI與物理模擬的創新結合，成功突破傳統機械人設計瓶頸，讓機械人跳得更高且著陸更穩定。這不僅是機械人設計上的技術飛躍，也象徵AI在工程領域的深度介入，從純粹的輔助工具轉變為真正的設計合作者。

有趣的是，AI提出的設計形態並非人類工程師直覺會想到的，反映了AI在探尋物理極限與材料性能上的獨特視角。這種跨界創新挑戰傳統設計思維，未來或將催生更多「非典型」結構，帶來性能突破。

此外，該研究強調了平衡多重目標（跳躍高度與著陸穩定）的重要性，展示了AI如何在複雜權衡中尋找最佳點，這對於許多機械系統乃至其他領域的優化問題均具啟發意義。

未來，隨著材料科技進展與AI能力提升，生成式AI有潛力實現更複雜任務的機械人設計，甚至可藉由自然語言直接操控設計流程，極大降低專業門檻，推動機械人技術普及與個人化。

總括而言，這項研究不僅推動機械人跳躍性能，更為智慧設計開拓了新思路，展現生成式AI在實體工程世界中無限可能的前景。香港的科技界及企業亦應關注此類跨領域創新，積極探索AI與機械人結合的應用，提升本地研發與產業競爭力。

以上文章由特價GPT API KEY所翻譯及撰寫。而圖片則由FLUX根據內容自動生成。