说到学习英语，很多人最头疼的就是两个词——语法（grammar）。其实不仅英语有语法，任何语言都需要语法。作为语言学的一个分支，它是语言书写的规则。通过为单词、短语和句子制定规则，语言就有了基础；同样，设计机器人也是需要规则的，比如当机器人穿越某个地形时，它的形状是极其关键的。想象一下，设计一个会爬楼梯的机器人，是像人一样有两条腿，还是像蚂蚁一样有六条腿？如果你想知道哪种形式的爬楼梯效果最好，最直接的方法就是尝试每一种可能的方案，但这种方法自然费时费力。基于此，麻省理工学院（MIT）萌生了为机器人开发“语法”的想法——开发一种名为RoboGrammar的计算机系统。让电脑决定机器人长什么样！计算机如何设计机器人？1967年，SIGGRAPH（SpecialInterestGroupforComputerGRAPHICS，计算机图形学特别兴趣小组）成立，其重点主要是计算机图形和动画软硬件技术。自1974年以来，SIGGRAPH每年都会举办会议，为展示众多计算机图形技术软硬件厂商的最新研究成果提供机会。SIGGRAPH年会上的展品经常被媒体称为图像的未来。比如在SIGGRAPH2017上，NVIDIA展示了VR相关技术，Intel则展示了在电影♂的拍摄中提供的技术支持。在SIGGRAPH2020（亚洲）上，公布了MITRoboGrammar系统的研究成果。他的论文题目是RoboGrammar:GraphGrammarforTerrain-OptimizedRobotDesign（RobotGrammar:GraphicalGrammarforTerrain-OptimizedRobotDesign），直接指出了RoboGrammar的主要研究重点：地形。事实上，麻省理工学院研究团队的初衷是创新机器人的外形以达到最佳性能。论文第一作者、麻省理工学院计算机科学与人工智能实验室（CSAIL）博士生AllanZhao认为，设计机器人的目的可以说几乎是无穷无尽的，但它们在整体外形设计上都大同小异：当你想要制作一个能够穿越复杂多变地形的机器人时，你的脑海中可能会立刻浮现出四足机器狗，但我们想知道这是否真的是最好的设计。研究团队设计的RoboGrammar系统作为一种自动化方法，主要用于生成优化的机器人结构。要建造一个机器人，计算机首先需要知道两方面的信息：一个是什么零件（轮子、关节等）或者光滑的表面，或者几种地形的组合等），也就是地形。比如在摩擦系数仅为0.05的冰冻湖面上，机器人的造型可以是这样的。另一个例子是像这样的组合地形。基于两方面的信息，接下来的工作完全可以交给RoboGrammar系统。在该系统中，机器人部件的所有排列均由图语法表示，然后可能形成数十万个机器人形态设计（语法生成结构），全部由单个图表示。也就是说，每一个设计都对应着一系列的语法规则，主要是受到了自然界中节肢动物的启发。哪种形式的机器人最好？系统根据语法规则，针对特定地形生成了各种排列组合。但正如AllanZhao所说：语法创造的是数量，而不是机器人的最佳形态。那么，哪种形式最好呢？带着这个问题，RoboGrammar系统开始了关键的一步——自动检索适合地形的最佳机器人及其相应的控制器。所谓控制器，是指能够真正赋予机械结构生命的一组指令。它将控制机器人每个电机的运动顺序。在论文中，控制器的算法被称为“模型预测控制”（ModelPredictiveControl），在这个算法中，快进运动具有最高的优先级。当每个机械结构被赋予生命时，计算机通过称为“图启发式搜索”的神经网络算法搜索高性能机器人。GraphHeuristicSearch作为一种新型的组合设计空间高效搜索方法，使计算机在探索设计空间的同时学习函数，可以将不完整的设计（例如组合搜索树中的节点）映射到实现的最佳性能值由完整的设计。值得一提的是，GraphHeuristicSearch优先考虑设计空间中最有前途的分支。为了进一步测试GraphHeuristicSearch，研究人员特意设置了多种对机器人具有挑战性的地形。事实证明，RoboGrammar为单一地形和地形组合生成了性能最佳的机器人。而上述所有步骤都发生在工程师拿起螺丝之前。AllanZhao表示：到目前为止，机器人设计仍然是一个非常“手动”的过程，而我们的RoboGrammar是一种更新的、更有创意的机器人设计方法，可能会更高效。机器人研究权威专家、美国哥伦比亚大学教授霍德·利普森(HodLipson)这样评价这项研究成果：这项工作是25年来机器人形态与控制自动化设计的最高成果。使用图语法的想法已经存在了一段时间，但没有团队像这样完美地实现它。和很多科学领域一样，机器人的未来还有很大的想象空间，期待麻省理工这一创新理念的后续进展。
