研究人员希望新的通用优化器可以帮助加快自动驾驶系统的发展

最近几年来，人工智能系统已经广泛部署在自动驾驶汽车，最后一公里送货，餐厅服务，病人筛查，医院清洁，做饭，建筑安全和仓库包装等领域。

据国外媒体报道，麻省理工学院的工程师为机器人专家开发了一种通用设计工具，可以改进自主机器人系统该团队设计了一种优化代码，可应用于几乎所有自主机器人系统的模拟，并可用于自动识别如何以及在哪里调整系统，以提高机器人的性能

该团队展示了该工具可以快速提高两种截然不同的自动驾驶系统的性能:一种是机器人在两个障碍物之间的路径上导航，另一种是两个机器人一起移动一个沉重的箱子。

研究人员希望新的通用优化器可以帮助加快自动驾驶系统的发展，包括步行机器人和自动驾驶汽车，柔软灵巧的机器人和协作机器人团队。

倒置设计

在观察了大量可以用于其他工程学科的自动化设计工具后，麻省理工学院的研究成员兼研究生查尔斯·道森和麻省理工学院航空航天系的助理教授楚楚·范意识到需要一种通用的优化工具。

一般来说，机器人专家需要首先开发一个仿真系统及其许多交互子系统，以优化自动驾驶系统，然后调整每个组件的一些参数并向前运行仿真，以查看系统在该场景中的表现。

只有通过反复试验运行许多场景后，机器人专家才能确定产生所需性能的最佳参数组合这个过程繁琐，过度定制，耗时，所以道森和范决定做出改变

研究人员开发了一种优化框架或计算机代码，可以自动找到并微调现有的自动驾驶系统，以达到预期的结果。

这种代码的核心是基于自动微分或autodiffAutodiff可以快速有效地评估导数或检测计算机程序中的任何参数变化Dawson和Fan基于autodiff编程的最新发展开发了一个用于自主机器人系统的通用优化工具

制造更好的机器人

该团队在两个独立的自主机器人系统上测试了他们的新工具，发现与传统的优化方法相比，该工具在实验室实验中迅速提高了每个系统的性能。

第一个系统包括一个轮式机器人，其任务是根据从不同位置的两个信标接收的信号规划两个障碍物之间的路径该小组试图找到信标的最佳位置，以便在障碍物之间形成一条清晰的路径

他们发现，新的优化器可以通过对机器人的模拟快速给出反馈，并在5分钟内确定信标的最佳位置，而传统方法需要15分钟。

第二个系统更复杂，包括两个轮式机器人一起工作，将一个箱子推到目标位置系统的仿真包括更多的子系统和参数尽管如此，该团队的工具有效地确定了机器人完成目标所需的步骤，优化过程比传统方法快20倍

该团队提供了这种通用优化器下载选项，并计划进一步改进代码，以应用于更复杂的系统，如设计用于与人类互动和合作的机器人。