Bridging Language and Physics: Automated Design of Continuum Robots with Large Language Models

Decennialang werd de droom van het bouwen van robots tegengehouden door de enorme moeilijkheid van de taak. Het ontwerpen van een machine die kan bewegen, grijpen of knijpen zonder zichzelf te breken, vereist een diep begrip van de natuurkunde, waarbij vaak wordt vertrouwd op de intuïtie van menselijke experts die jarenlang onderdelen aanpassen en ze door middel van vallen en opstaan testen. Dit proces is traag en duur, vooral voor "zachte" robots gemaakt van flexibele materialen die buigen en draaien zoals levend weefsel, in plaats van stijf metaal. Onlangs is er een nieuw hulpmiddel de laboratorium binnengekomen: grote taalmodellen. Dit zijn krachtige computerprogramma's die getraind zijn op enorme hoeveelheden tekst en die code kunnen schrijven en complexe ideeën in natuurlijke taal kunnen beschrijven. Wetenschappers hadden gehoopt dat deze modellen als automatische ontwerpers zouden kunnen fungeren, die een eenvoudige instructie zoals "maak een robot die trappen kan beklimmen" nemen en direct een werkend blauwdruk produceren. Echter, een grote hindernis bleef bestaan: hoewel deze modellen briljant zijn met woorden, falen ze vaak in het begrijpen van de fysieke realiteit van hun eigen creaties. Ze kunnen een robot beschrijven die op papier perfect lijkt, maar die direct zou instorten of zichzelf in de knoop zou leggen op het moment dat deze gebouwd wordt.

Een team van onderzoekers heeft nu een nieuwe methode ontwikkeld om deze kloof tussen taal en fysica te overbruggen, waardoor een systeem ontstaat dat kunstmatige intelligentie in staat stelt om zachte robots te ontwerpen die daadwerkelijk werken. De onderzoekers richtten zich op een specif type flexibele machine genaamd een peesgestuurde continuümrobot. Stel je een lange, flexibele ruggengraat voor gemaakt van vele kleine segmenten, vergelijkbaar met een slang of een arm van een octopus. In plaats van starre motoren bewegen deze robots door te trekken aan dunne kabels, bekend als pezen, die door het lichaam lopen om het te laten buigen en draaien. Dit ontwerp is ongelooflijk veelzijdig maar ook berucht moeilijk te ontwerpen omdat de manier waarop de robot buigt afhangt van een complexe mix van de vorm, de spanning in de kabels en hoe hij de wereld om zich heen aanraakt. De onderzoekers wilden zien of een AI deze machines vanaf nul kon ontwerpen, maar ze wisten dat simpelweg de AI vragen om "een ontwerp te schrijven" niet genoeg zou zijn.

Om dit op te lossen, bouwde het team een meerlagig systeem genaamd AID-SR, dat fungeert als een collaboratieve werkplaats tussen een computerontwerper en een reeks geautomatiseerde inspecteurs. Het proces begint wanneer een mens een hoogwaardig doel geeft, zoals "ontwerp een robot die een knop op een muur kan indrukken". Een AI-agent stelt vervolgens verschillende ideeën voor voor hoe de robot eruit zou kunnen zien. In plaats van deze ideeën onmiddellijk te accepteren, onderwerpt het systeem elk idee aan een reeks strenge controles. Eerst test een digitale simulator het ontwerp om te zien of het fysiek bij elkaar blijft. Als het robotmodel instort, explodeert of vast komt te zitten in de physics engine van de computer, vangt het systeem de fout onmiddellijk op en stuurt het de ontwerper terug naar de AI met een specifieke opmerking over wat er misging, zoals "de kabels zijn verbonden met de verkeerde plekken".

Deze cyclus van ontwerp, testen en correctie herhaalt zich in een lus. Als een ontwerp de fysieke test doorstaat, wordt het gecontroleerd door een tweede AI-rechter die naar de logica van het ontwerp kijkt, met de vraag of het daadwerkelijk zin heeft voor de taak die voorhanden is. Heeft de robot bijvoorbeeld genoeg onderdelen om de knop te bereiken? Ten slotte kan een menselijke ingenieur ingrijpen om hoogwaardig advies te geven, hoewel het systeem is ontworpen om grotendeels zelfstandig te werken. Deze constante feedbacklus dwingt de AI om te leren van haar fouten, waardoor ze haar ideeën geleidelijk verfijnt totdat ze een ontwerp produceert dat niet alleen een slimme beschrijving is, maar een fysiek stabiele machine. De onderzoekers testten dit systeem op veertien verschillende taken, variërend van eenvoudig reiken en lopen tot complexe grijpbewegingen en schoonmaakbewegingen.

De resultaten lieten zien dat deze aanpak opmerkelijk goed werkt. In de computersimulaties genereerde het systeem succesvol ontwerpen die fysiek geldig waren in 96,2 procent van de pogingen. Dit betekent dat bijna elke robot die de AI ontwierp, daadwerkelijk kon staan en bewegen zonder uit elkaar te vallen in de digitale wereld. Wanneer de onderzoekers deze robots trainden om hun specifieke taken uit te voeren met behulp van een standaard leermethode, voltooide ongeveer 26,7 procent van hen de taak succesvol. Dit is een belangrijke prestatie omdat het bewijst dat de AI ontwerpen kan genereren die niet alleen structureel solide zijn, maar ook functioneel nuttig. Het team stopte niet bij computersimulaties; ze bouwden drie van de beste door het systeem geproduceerde ontwerpen in de echte wereld met behulp van 3D-printen en standaardmaterialen. Deze fysieke robots, volledig gecreëerd door de instructies van de AI, waren in staat om hun taken uit te voeren zoals ze dat in de simulatie deden, waarbij ze succesvol objecten grepen en over oppervlakken bewogen.

De studie benadrukt dat hoewel kunstmatige intelligentie beter wordt in het begrijpen van de fysieke wereld, het nog steeds begeleiding nodig heeft om echt effectief te zijn. De AI kan niet simpelweg een oplossing raden; het heeft een gestructureerd proces nodig waarbij het de gevolgen van zijn ideeën kan zien en deze kan corrigeren. Door de creatieve kracht van taalmodellen te combineren met de strikte regels van de natuurkunde en menselijk toezicht, hebben de onderzoekers een nieuwe weg gecreëerd voor het automatiseren van robotontwerp. Dit werk suggereert dat we in de nabije toekomst een computer kunnen vragen om een robot te ontwerpen voor een specifieke, moeilijke taak, en een blauwdruk terugkrijgen die klaar is om gebouwd en gebruikt te worden in de echte wereld, wat ons dichter bij een toekomst brengt waar machines op ongekende snelheid en precisie op onze behoeften kunnen worden afgestemd.