学习式逆设计框架将生物曲线转为软体机器人构型

Dixiang Wang 等作者在 arXiv 预印本中提出一个 real-to-sim-to-real 框架，用代理辅助逆向设计与不确定性引导修正，把生物曲线转成线驱动模块化软体机器人的构型。作者称，在由此前未见过的穿线模式生成的 5,000 个测试样本上，该方法在基于代理的评估下取得 93% 的形状重建成功率；并用四个仿生机器人做了实物演示。 作者报告，学习得到的前向代理模型把形变预测时间从 1.53×10^5 ms 降到 0.0008 ms，约加速 1.9×10^8 倍；逆向设计时间从 1.99×10^6 ms 降到 4.18 ms。上述成功率与加速均为预印本中的自述结果，尚未经同行评议或独立验证。

AI 根据报道生成 · 4 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。