资料来源：DeepTech（来源：麻省理工学院新闻）传播模型（例如OpenAi Dall-E成为设计概念的右翼助手。从头开始，这些模型是从头开始的。2025年的ncrether。用户只提供了3D机器人模型的草稿，并标记必须改进的组件的大小，而Genai将自动为这些零件生成最佳形状，并通过仿真测试解决方案。系统确定最佳设计后，您可以直接存储文件，用3D打印机对其进行塑造，并在没有调整的情况下创建功能齐全的机器人。该团队认为，这项研究可以大大减少工程师在机器人开发中面临的典型证明和错误过程，从而使设计进入最快的原型阶段。机器人和弹跳设计优化技术最引人注目的应用程序是微篮板机器人的开发。麻省理工学院的研究人员比较了这两个版本。人工设计的原型型完整设计，并通过扩散模型优化了改进的版本。两者都是由相同的塑料（PL）和基础设施制成的，但是优化的AI-AI版本增加了反弹高度增加41％。这大约是2英尺（约61厘米）。提高性能的秘诀在于，AI是一个校长块Jo，我们将INT结构更改为弯曲的设计。这种精致的形态调整使机器人可以在保持结构性电阻的同时更有效地存储和释放能量。在研究和开发过程中，AI始于初始设计，并在5轮迭代后产生了500种变体，最终确定具有独特方面的优化解决方案，但重新篮板效率有显着提高。该设计的比例相等扩展，并通过3D打印成为固体体，以进行测量。物理测试证实，这种独特的结构显着改善了机器人的弹跳性能。该项目和Csail博士后研究员的合伙人Byungchul Kim表示，扩散模型的优势是发现Trad的进步iTiention优化。在避免这种创造性解决方案的同时，它可以使机器人在积累更多能量之前存储更多的能量。 Bunce仅这是一个基本功能，安全着陆也很重要。研究人员再次使机器人的脚生成设计，并在多次仿真测试之后选择了最佳解决方案。结果表明，改善机器人跌落的概率比标准版本的概率低84％。反弹和垂直平衡的双重改进证实，生成的AI可以同步机器人的性能和可靠性。此前进不是独奏适合弹跳机器人，但对于任何需要敏捷性和精度的机器人系统来说都是巨大的。例如，住房或机器人公司可以使用类似的技术来优化原型设计，从而在传统迭代校正的时间成本中大大节省了工程师。弹跳背后的平衡艺术一直是我n在两个绩效指标之间建立微妙的平衡，以实现机器人的双重篮板和稳定的着陆目标。跳跃高度和着陆的成功率通过数值参数进行量化，并通过系统的训练，找到两个集成向量之间的最佳平衡点，从而构建了最佳的三维结构。研究人员指出，尽管AI设计的机器人目前超出了人工版本，但Allvia仍有很大的空间来提高性能。该迭代受3D印刷材料的特性限制。使用较轻的材料，未来版本将达到更高的篮板高度。 “这项研究是生成由AI-AI协助的机器人设计的起点。我们计划扩大更灵活的设计目标，例如使用自然语言指令使用扩散模型来生成可以进行咖啡杯或操纵电动模拟的机器人。”传播模型还可以优化共同订购和创新连接。 This is expected to improve rebound yield even more, "Kim added. The team has explored the increase in the number of engines to control the rebound address, thus increasing the stability of landing. In the development of the underwater sliding robot, the research team worked with the University of Wisconsin-Madison to test variedS fluid mechanics and finally developed environmental monitoring for the data collection and the team in which the team entered 20 "Marina". Forms such as submarines,鲸鱼，毯子和鲨鱼