11 lipca 2025 r.
Jak sztuczna inteligencja pomaga robotom skakać wyżej i lądować bezpieczniej?
Rewolucja w projektowaniu robotów: AI wkracza do mechaniki
Tradycyjne projektowanie robotów opiera się na wiedzy i doświadczeniu inżynierów, którzy tworzą modele, testują je i stopniowo udoskonalają. Ten proces, choć skuteczny, bywa czasochłonny i ograniczony ludzką wyobraźnią. Naukowcy z MIT poszli o krok dalej – wprowadzili do gry generatywną sztuczną inteligencję (GenAI), która wspiera inżynierów w projektowaniu komponentów robotów w sposób znacznie bardziej kreatywny i wydajny.
Zamiast tworzyć modele od zera, badacze opracowali narzędzie, które korzysta z tzw. diffusion models – rodzaju sztucznej inteligencji generatywnej, który potrafi tworzyć złożone struktury 3D na podstawie danych wejściowych i celów projektowych. Wystarczy, że inżynier wskaże fragment robota do poprawy – np. kończynę odpowiedzialną za skok – a system automatycznie wygeneruje setki możliwych wariantów, które później można testować w symulacjach fizycznych.
To, co wyróżnia podejście inżynierów z MIT, to nie tylko integracja AI z fizyką, ale także możliwość błyskawicznego przejścia od koncepcji do prototypu. Najlepsze konstrukcje można wydrukować w 3D i niemal od razu przetestować w rzeczywistości. Takie rozwiązanie otwiera nowe horyzonty dla robotyki – projektowanie staje się szybsze, bardziej elastyczne i, co najważniejsze, pozwala odkrywać formy, na które człowiek sam by nie wpadł. W efekcie powstają roboty nie tylko bardziej wydajne, ale też bardziej zwinne i odporne na błędy konstrukcyjne.
Skaczący robot: AI zwiększa wysokość o 41%
W jednym z najbardziej spektakularnych eksperymentów naukowcy postanowili sprawdzić, jak sztuczna inteligencja poradzi sobie z optymalizacją zdolności skokowych robota. Cel był prosty: zwiększyć wysokość, na jaką robot może się wybić, nie zmieniając jego ogólnej konstrukcji. Do tej pory projektanci korzystali z tradycyjnych, prostych przegubów i sprężyn, które pozwalały na umiarkowane skoki. AI zasugerowała jednak zupełnie nową formę – linki przypominające kształtem pałki do perkusji.
Ta nowa geometria nie tylko zmniejszyła masę kończyn, ale jednocześnie pozwoliła na lepsze magazynowanie energii sprężystej w czasie ruchu robota. W rezultacie prototyp skakał średnio na wysokość dwóch stóp – czyli około 60 centymetrów – co oznacza wzrost aż o 41% w porównaniu do wersji zaprojektowanej przez człowieka.
Proces ten opierał się na przetestowaniu w symulacji ponad 500 wariantów konstrukcyjnych. Algorytm diffusion models analizował każdy z nich pod kątem maksymalnej siły wybicia, szybkości wyprostu kończyny oraz stabilności lądowania. Następnie system wyselekcjonował 12 najlepszych projektów, które zostały dalej dopracowane w pięciu kolejnych iteracjach.
Spadek liczby upadków o 84%
Podczas gdy wysoki skok jest efektowny, równie istotne jest to, jak robot ląduje. Nawet najbardziej zaawansowany mechanizm może zostać uszkodzony, jeśli nie zachowa stabilności po powrocie na podłoże. Dlatego kolejnym celem zespołu z MIT było zoptymalizowanie „stopy” robota, czyli tej części, która bezpośrednio styka się z ziemią podczas lądowania.
Sztuczna inteligencja – podobnie jak w przypadku nóg – wygenerowała kilkaset propozycji konstrukcji końcówki. Wśród nich znalazły się m.in. płaskie dyski, elastyczne łapki oraz rozgałęzione struktury przypominające kończyny zwierząt. Po przetestowaniu ich w warunkach symulowanych okazało się, że jedna z form znacząco poprawia stabilność lądowania i redukuje liczbę nieudanych prób aż o 84%.
Klucz do sukcesu tkwił w elastyczności i zdolności do pochłaniania energii. Tradycyjne stopy były zbyt sztywne i powodowały odbicia, które prowadziły do wywrotki. Tymczasem propozycja AI miała bardziej „amortyzującą” konstrukcję, która działała jak poduszka powietrzna. Dzięki temu robot po lądowaniu wracał do pozycji wyjściowej zamiast przewracać się.
Warto dodać, że ta część projektu pozwoliła badaczom zaobserwować jeszcze jeden ważny aspekt: AI może samodzielnie identyfikować kompromisy między stabilnością a mobilnością i znajdować złoty środek bez potrzeby dokładnego programowania każdego celu. W ten sposób sztuczna inteligencja staje się nie tylko narzędziem projektowym, ale też partnerem w procesie optymalizacji funkcji robota.
AI jako kreatywny projektant
W odróżnieniu od klasycznych metod projektowania CAD, gdzie konstruktor tworzy model krok po kroku, generatywna AI potrafi zaproponować formy, które są zupełnie nietypowe i trudne do wymyślenia dla człowieka. Algorytm diffusion opracowany przez MIT nie tylko tworzy realistyczne kształty, ale także uczy się reguł działania fizyki i biomechaniki.
Przykładem może być projekt kończyn, które – choć wyglądały masywnie i nieoptymalnie – okazały się znacznie bardziej efektywne w magazynowaniu energii niż cienkie pręty. AI była w stanie ocenić, że grubsze, zakrzywione kształty lepiej rozprowadzają naprężenia, co przekłada się na wyższą sprawność. Dla inżynierów to nieoczywisty wniosek, który zmienia sposób myślenia o projektowaniu funkcjonalnym.
AI może równolegle optymalizować wiele celów – wysokość skoku, szybkość reakcji, stabilność, zużycie energii – i dostosowywać projekt, by uzyskać najlepszy możliwy kompromis. Ten typ podejścia przyspiesza cykle projektowe, ogranicza ilość odpadów materiałowych i pozwala inżynierom skupić się na ogólnej wizji, pozostawiając detale maszynie.
Artykuł powstał na podstawie:
Autor: Kinga Skrzek