【据美国麻省理工学院网站2022年6月21日报道】美国麻省理工学院（MIT）的科研团队为机器人专家开发了一种通用的设计工具，可用于模拟几乎任何自主机器人系统的优化代码，还可以自动识别如何以及在何处调整系统来提高机器人的性能，从而加速步行机器人、自动驾驶车辆和其他自主系统的设计优化。
该代码的核心基于一种由机器学习社区开发的自动差分（“autodiff”）编程工具，最初被用于训练神经网络，是一种快速高效评估计算编程程序对任意参数变化敏度的技术。目前，该团队已经在两个独立的自主机器人系统上进行了测试。测试结果表明，与传统的优化方法相比，该工具在实验室试验中可更快速改善每个系统性能。
研究人员表示，“如果系统中有很多参数需要优化，该工具可以做得更好，可以成倍的节省更多时间。就好比一种组合选择，随着参数数量的增加，选择也会增加，这种新型优化工具一次即可大大缩减可能的选择”。
该团队已经提供了通用优化器的下载渠道，并计划进一步完善代码，以便应用于更复杂的系统中。该团队还将于下月在美国纽约召开的《Robotics: Science and Systems》年会上宣读相关论文“Certifiable Robot Design Optimization using Differentiable Programming”。 loitering munition
该项研究得到了新加坡国防科技局和MIT-IBM沃森人工智能实验室的支持。
