Jak generatywna sztuczna inteligencja pomaga robotom skakać wyżej i bezpieczniej lądować

Wyobraź sobie, że przekazujesz stery nad projektowaniem robotów kreatywnemu partnerowi, który nie tylko wymyśla nowe pomysły, ale potrafi je również urzeczywistnić z większą mocą i precyzją niż kiedykolwiek wcześniej. Właśnie to zrobiło Laboratorium Informatyki i Sztucznej Inteligencji (CSAIL) przy MIT, stawiając generatywną sztuczną inteligencję – czyli silnik napędzający narzędzia takie jak DALL·E – w centrum procesu tworzenia działających robotów.

Przez lata sztuczna inteligencja była wykorzystywana głównie w mediach, na przykład do generowania obrazów lub filmów. Obecnie jednak zaawansowane narzędzia zwane modelami dyfuzyjnymi wkraczają do świata inżynierii fizycznej. Zamiast polegać na powolnym, powtarzalnym procesie prób i błędów, nowe podejście CSAIL pozwala sztucznej inteligencji badać tysiące wirtualnych modyfikacji projektu robota, testować je wszystkie w symulacji i szybko wybierać najbardziej obiecujące wersje. Dopiero wtedy naukowcy przechodzą do drukarki 3D, co znacznie przyspiesza proces, który niegdyś stanowił poważne wąskie gardło w robotyce.

Aby pokazać, jak przełomowe może to być, zespół z MIT postawił sobie prosty, pojedynczy cel: sprawić, by robot skakał wyżej. Zaczęli od podstawowego modelu 3D i polecili sztucznej inteligencji zoptymalizowanie kluczowych elementów. Sztuczna inteligencja zareagowała, przeprojektowując elementy “ogniw” robota – można je porównać do kości lub ramion – a następnie wirtualnie przetestowała setki wariantów konstrukcyjnych. Gdy pojawił się zwycięski projekt, został on wydrukowany z tworzywa z kwasu polimlekowego i poddany testom w rzeczywistych warunkach.

A oto część, która zapiera dech w piersiach: robot wyposażony w sztuczną inteligencję wystrzelił się na wysokość prawie 2 stóp — o 41% wyżej niż podobny robot zaprojektowany wyłącznie w oparciu o ludzką intuicję i wiedzę inżynierską. Na pierwszy rzut oka trudno byłoby odróżnić te dwa roboty. Oba są napędzane silnikiem i sprężyną napędzaną linką, a do ich budowy wykorzystano te same podstawowe materiały. Jednak zamiast prostych, prostokątnych łączników sztuczna inteligencja zaproponowała zakrzywione ogniwa w kształcie pałeczek perkusyjnych. Okazuje się, że ta nietypowa geometria pozwoliła robotowi zgromadzić i uwolnić znacznie więcej energii przy każdym skoku, a jednocześnie zapewniła wystarczającą wytrzymałość tych kluczowych ogniw, by wytrzymały lądowanie.

Droga do tego sukcesu nie była prosta. Zespół wykorzystał model sztucznej inteligencji zwany “wektorem osadzenia” do wygenerowania 500 nowych pomysłów projektowych, a następnie wybrał te, które osiągały najlepsze wyniki w symulacjach, by wielokrotnie udoskonalać to podejście. Ten iteracyjny proces utorował drogę do stworzenia unikalnej, niemal przypominającej kroplę struktury, która radykalnie zwiększyła siłę skoku. W tym przypadku sztuczna inteligencja nie tylko dostosowała drobne szczegóły — zaproponowała zupełnie nowe spojrzenie na podstawowe zasady fizyki, które pozwalają robotowi z napędem sprężynowym latać.

Oczywiście skakanie wyżej nie ma większego sensu, jeśli każde lądowanie kończy się upadkiem. Mając to na uwadze, CSAIL wykorzystał tę samą metodę sztucznej inteligencji do opracowania i przetestowania nowych kształtów stóp, dążąc do płynniejszych lądowań. Wyniki były równie imponujące: liczba upadków zmniejszyła się o 84% w porównaniu z pierwotnym projektem, co otworzyło drogę do stworzenia znacznie bardziej stabilnych i niezawodnych maszyn.

Szczególnie ekscytujące jest to, że to dopiero początek. Dzięki modelom dyfuzyjnym naukowcy mogą sobie wyobrazić, że nadadzą sztucznej inteligencji cel sformułowany prostym językiem — na przykład “zaprojektuj robota, który podaje kawę” lub “dokręć śrubę wiertarką” — a ona sama wymyśli zarówno konstrukcję, jak i system sterowania od podstaw. Zespół skupia się obecnie na robotach wyposażonych w większą liczbę silników, zapewniających lepsze sterowanie, oraz eksperymentuje z lżejszymi materiałami, co mogłoby jeszcze bardziej poprawić osiągi.

Przyszłość robotyki może mniej przypominać obraz inżyniera pochylonego nad stołem warsztatowym, a bardziej dynamiczną współpracę między wnikliwą ludzką intuicją a nieograniczoną, czasem zaskakującą pomysłowością sztucznej inteligencji.

Przeczytaj oryginalny artykuł pod adresem MIT News.