一种更好的控制变形软体机器人的方法

麻省理工学院（MIT）的研究人员开发了一种控制算法，可以自主学习如何移动、拉伸和塑造可重构机器人，以完成特定任务，甚至在任务需要机器人多次改变形态的情况下也能胜任。他们还建立了一个模拟器，用于测试变形软机器人的控制算法，针对一系列具有挑战性的、形状变化的任务进行测试。

该方法在评估的每个八项任务中均表现出色，超越了其他算法。尤其在多方面任务上表现突出。例如，在一个测试中，机器人需要缩小身高，同时生长两条细小的腿以便穿过狭窄的管道，然后取消这些腿的生长并延长躯干以打开管道盖。

研究人员将机器人的动作空间视为图像，使用图像预测机器人应该采取的动作，使得控制更加高效。他们创建了一个名为DittoGym的仿真环境，其中包括了八个任务，评估可重构机器人动态变形的能力。在这些任务中，他们的算法超越了基准方法，并且是唯一适合完成需要多次形态变化的多阶段任务的技术。

虽然可能需要很多年才能在现实世界中部署形状变化的机器人，但陈博远和他的合作者希望他们的工作不仅激励其他科学家研究可重构软机器人，而且思考如何利用2D动作空间解决其他复杂的控制问题。