Auto-Robotist将机器人试错转为可复用技能
AI 总结
据报道,密歇根大学安娜堡分校团队提出并开源Auto-Robotist,利用大语言模型提出机器人结构改进、训练候选控制器,并将仿真结果整理为可复用的设计知识。该系统在EvoGym七项软体机器人任务中的最终得分高于标准遗传算法基线,技能库也能从5×5网格迁移至10×10设计空间。目前验证仅限EvoGym仿真,三维结构与真实硬件表现仍待检验。
深度见解
Auto-Robotist把昂贵的机器人设计仿真转化为可供后续搜索使用的规则,但目前结果仍局限于仿真环境。
新智元 2026-11-06 18:59 上海
新智元报道
AI能否像工程师一样,在反复设计机器人时积累经验?
机器人的身体结构与运动控制紧密相连:驱动器放在哪里、身体怎样保持稳定,都需要通过控制训练与仿真反复验证。这些试错代价高昂,其中的经验却往往没有被整理成可供后续设计复用的知识。
密歇根大学安娜堡分校研究团队提出了AI机器人协同设计智能体Auto-Robotist,相关工作已获EMNLP 2026主会录用并开源。