资料来源：DeepTech（原始：麻省理工学院新闻）的不同模型（例如Openai的DALL-E）越来越成为设计概念的助理助理。人们只需要输入说明，这些系统就可以生成图像，创建视频或优化设计图纸，从而带来意外的创新解决方案。但是，您是否知道生成人工智能（Genai）也在开发机器人制造方面取得了成功？基于扩散模型的最新技术可以从头开始构建机器人结构和控制系统。无论是否收到用户的说明，这些模型都可以独立生成新设计，然后评估环境模拟并投入制造。最近，麻省理工学院的计算机科学和人为智能实验室（CSAIL）的结果是两个新的机器人项目的结果，它们使用人工智能来改进和加速机器人设计。结果在2025年国际机器人会议上显示UTOMATION。用户只需要提供机器人3D模型的草稿，并标记需要改进的服装的尺寸，Genai将自动开发这些零件的最佳形状并传递仿真测试解决方案。当系统确定最佳设计时，可以直接保存文件并使用3D打印机模制，以创建功能齐全的机器人而无需修复。该团队认为，研究可能有助于大幅度减少机器人开发中的标准测试和错误面临的错误过程，从而使设计可以更快地进入Pagtt。机器人反弹优化技术和脚部设计的最引人注目的案例是微弹跳机器人的开发。麻省理工学院的研究人员将两个版本进行了比较：一个完全人为设计的原型和增强的版本，该版本通过扩散模型进行了优化。尽管两者都是由塑料（PLA）和基础设施制成的，但AI优化版本增加了BouNCE高度为41％-ABOUD 2英尺（约61厘米）。改善性能的秘诀在于，AI建议将原始的直块接头结构更改为弯曲设计。这种独特的形态调整使机器人可以在保持结构强度的同时更好地存储和释放能量。在研究和开发过程中，AI始于初始设计，并在5次迭代后形成了500种形状的变体，并最终确定了具有独特外观的优化解决方案，但显着提高了弹跳效率。设计是 - 比例相等的尺度，是通过打印3D进行实际测量的固体体制制成的。物理试验证实，这种独特的结构确实显着改善了机器人反弹性能。 CSAIL的项目和博士后的CO-董事长Byungchul Kim指出，扩散模型的优势是发现常规优化的突破：“我们最初是计划的通过过度稀疏连接零件以增加弹跳的高度，以减轻体重。在避免连接器过度挤压的同时，可以导致机器人过度变暖，以存储更多的能量。 Bounce Langito是基本功能，安全着陆也很重要。研究团队可以重新启用生成的机器人AI的AI设计，并在许多仿真测试周期之后选择了最佳解决方案。结果表明，改进的机器人的可能性比标准版本低84％。垂直反弹和平衡的双重改进证明，AI开发可以与机器人的性能和可靠性相吻合。这一突破不仅适合促进机器人，而且对于所有需要敏捷性和准确性的机器人系统都具有很高的价值。例如，制造公司或家用机器人可能会使用类似技术来优化原型设计，从而极大地节省了传统迭代的工程师变化。弹跳背后的平衡艺术以实现机器人的高弹跳和稳定着陆的双重目标，研究小组席卷了两个绩效指标之间建立微妙的平衡。他们用参数的数量来测量跳跃和着陆成功率的高度，并通过系统训练在两个嵌入式向量之间找到最佳的平衡，从而开发了最佳的三维结构。研究人员指出，即使当前的AI设计的机器人超过了人工版本，仍然有一个大空间可以改善其性能。这种重复受到3D打印材料的NG特征的限制。如果使用较轻的材料，将来版本将达到更高的弹跳高度。 “这项研究是开发AI帮助的机器人设计的起点。”否决模型还可以优化联合设计和创新连接，这将进一步改善Bounce PerformanCE，” Kim补充说。团队探索了越来越多的摩托车来控制弹跳方向，从而增强了着陆的教育。机器人在水下滑行，研究小组与威斯康星大学 - 麦迪逊大学 - 麦迪逊大学（University -Madison）合作测试各种流体机制，并最终开发了一个机器人，以监测环境和数据的提取物。形成两个滑翔机计划：双翼飞机（类似于飞机的形状）和四个扁平尾鱼的液体结构会产生偶然的，但使用标准的印刷塑料材料，可以使用更轻松的材料来改善生产材料RY与未来家具的讲习班，这一突破可能是机器人设计和制造设计中的目标。原始链接：https：//news.mit.edu/2025/ using-generative-ai-front