大多数机器人是由人类工程师设计的，人类工程师总要煞费苦心地安排好所有关节和人造肌肉，才能让机器人完成特定任务，但这一过程会耗费大量时间，还会受到人类想象力的限制。美国佛蒙特大学的计算机科学家乔希·邦加德（Josh Bongard）表示，用算法设计机器人可能“有助于开启定制机器人的新世界”。在一项新研究中，他和同事使用了基于反馈神经网络的算法，在短时间内设计了多款可以行走的团块状机器人。
该研究近期发表于《美国科学院院刊》（PNAS）。
最初，每个机器人都是从数字模拟世界中的胶状物团块开始的。团块中随机分布着64个孔洞，看起来就像一块瑞士奶酪。其中还含有64块随机放置的“人造肌肉”，“肌肉”弯曲时就会带动附近的物质伸长或收缩。起初，模拟团块还只能在原地做简单的跳跃，但随着算法不断调整肌肉位置、孔的位置和孔的大小，机器人逐渐拥有了向前跳动的能力。
历经9个版本的修改后，这些孔合并成了几条短粗的“腿”，上面布满了“肌肉”。由此产生的模拟机器人每秒可以移动其身长一半的距离。团队将这样的设计过程重复了100次，每一次在笔记本电脑上都只需要30秒。
“这项研究的重要之处在于，他们在很短的时间内，以极为有限的迭代次数实现了所有预定目标。”新加坡国立大学的机械工程师塞西莉亚·拉斯奇（Cecilia Laschi，未参与这项新研究）表示，她主要从事软体机器人的研究。
研究人员用硅胶复刻了其中一款设计，成品只有半块肥皂大小。科学家在其中加装了小型的气囊，它随着空气泵入泵出进行伸缩，以模拟“肌肉”的部分。尽管机器人的行走速度比模拟的要慢——每分钟只能行走半个身长的距离——但比随机设计的机器人明显快得多。
研究人员使用的优化算法名为梯度下降法，这种算法已经广泛应用于机器学习中的参数优化，可为许多棘手的变量问题提供最佳解决方案。在这项研究中，需要优化的变量就是肌肉位置、孔的位置和孔的大小。该算法可以策略性地反复修改这些变量，这样一来系统就可以在每次迭代中得到改进。
基于相同的技术，研究团队还设计了具备其他功能的模拟机器人，如用于运输或发射物体的机器人。接下来，他们希望能创造出更为复杂的机器人，使其能通过传感器与现实世界互动。