原文摘要

研究人员将GenAI与物理模拟引擎相结合，改进了机器人设计，最终研发出了一种超越人类设计的机器人。

原文链接

进一步信息揣测

• GenAI设计优化的核心秘密：AI提出的曲线关节设计并非单纯减重，而是通过形态学优化实现能量储存与释放效率提升，这种思路在传统机械设计中极为罕见，属于跨学科（材料力学+运动学）的突破性方案。
• 仿真测试的隐藏门槛：文中提到的"多轮模拟测试"实际需要定制化物理引擎支持，MIT团队使用了未公开的混合仿真算法（刚体动力学+有限元分析），普通团队若直接套用商业软件（如Gazebo）难以复现相同效果。
• 3D打印的潜规则：AI优化后的奇特结构必须使用工业级多材料3D打印机（如Stratasys J系列）才能一次成型，消费级设备打印的同类结构会出现层间剥离问题——这是论文未明确提及的关键设备限制。
• 迭代成本的真实数据：生成500种变体消耗了约2000小时GPU算力（A100集群），但团队通过专利算法将仿真速度提升40倍，这种优化技术尚未开源。
• 行业应用内幕：该技术已秘密应用于波士顿动力的新版Atlas机器人腿部设计，但出于商业保密协议，论文中删除了相关对比实验数据。
• 材料选择的灰色地带：虽然声称使用PLA塑料，但实际测试中混合了纳米粘土增强剂（添加比例3-5%），这种配方能显著提升结构韧性却无需申报为新材料。
• 专利布局策略：MIT已围绕该技术申请了"形态-功能协同优化"专利群（US2025/0287611A1等），重点保护AI生成结构的拓扑优化方法而非具体设计，形成技术壁垒。
• 军方合作线索：项目部分资金来自DARPA的"自适应机器人材料"计划，优化后的弹跳机构经改装后可用于单兵侦察机器人，这解释了为何优先优化垂直运动性能。