文章图片
动图 | 做运动（来源：NeurIPS 2021）
在投稿截止日期大约半个月前 ， 当时田韵声刚从美国飞回国内 ， 在隔离酒店里跟其他在美国的合作者们一起昼夜不分地推进项目 。
适逢好几个实验都需要在云服务器上跑 ， 并且时间非常紧 ， 由于时差的原因 ， 一天 24 小时里团队里都有人醒着 ， 他们一刻不停地监控实验在服务器上的状态 ， 一旦旧的实验结束 ， 立马续上新的实验 。 而且两位本科生刚好要准备期末考试 ， 导致他们到考试前一天才有空复习 。
如果中稿算是一种成功的话 ， 那他觉得这份成功归功于团队每个人的认真负责 ， 使得项目推进非常高效 ， 虽然还有很多值得改进的空间 ， 但是最终得到了审稿人的肯定 。

文章图片
动图 | 做“俯卧撑”（来源：NeurIPS 2021）
下一步将为机器研发“形态发育“能力 未来 ， 该研究还有很多值得探索的方向 ， 目前的平台只模拟了二维软体机器人 ， 原因在于基于强化学习的协同设计需要大量计算资源 ， 机器人需要跟模拟环境进行上千万次的交互 ， 因此二维在物理模拟上比三维要快得多 ， 可以在更少时间内收集更多的数据去学习 ， 从而让开发者更快地迭代算法开发 。
但对机器人来说 ， 它最终还是要在三维世界中实际制造出来 ， 所以如何对软体机器人进行高效的三维仿真与优化 ， 是一个必须要考虑的问题 。

文章图片
动图 | 翻跟头（来源：NeurIPS 2021）
另外一个研究方向是如何让机器人具有“形态发育（morphological development）“的能力 ， 即不再局限于单一任务 ， 而是当机器人具备解决更复杂任务的经验后 ， 让它变得更智能 。 比如 ， 让机器人学会行走 ， 其次是学会搬运物体、爬楼梯等 。
总之 ， 他们希望通过这一系列的学习 ， 让机器人的身体和大脑都“发育”得更加智能 ， 相比没有经过系列学习的机器人 ， 可以完成更多挑战性任务 。
-End-
参考：
【MIT本科生研发机器人基准“健身房”，可进化出30多种运动能力】1.Jagdeep Singh Bhatia, Holly Jackson, Yunsheng Tian, Jie Xu, Wojciech Matusik,Evolution Gym: A Large-Scale Benchmark for Evolving Soft Robots,NeurIPS 2021