连接语言和物理：使用 大语言模型 连续体机器人的自动化设计

大语言模型 (LLM) 最近成为一种很有前途的工具，用于根据高级规范自动进行机器人设计，但它们对于在复杂物理交互下运行的机器人仍然无效。这种限制源于基于语言的推理与实施例的物理结果之间的差距，通常导致设计的物理有效性较低。在这项工作中，我们提出了一个多层框架 AID-SR，它通过将模拟器观察到的物理状态转换为 LLM 设计者的结构化反馈来建立闭环。结合语义批评、人类反馈和迭代细化，该框架促进了物理上可行且功能上有意义的机器人设计的生成。我们通过 14 项任务的基准来评估我们的肌腱驱动连续体机器人方法，这些任务涵盖伸手、抓取、运动和操纵。该框架的模拟可行性检查通过率高达96.2%，通过应用通用的强化学习训练，26.7%的机器人能够成功完成相应的任务。然后，我们制造了三个设计的 AID-SR 机器人，成功完成了现实世界中的任务。这些跨越模拟和现实环境的广泛实验证明并打破了利用 LLM 进行连续体机器人自动化设计的障碍。源代码和实验资源可在 https://github.com/UNITES-Lab/AID-SR 上公开获取。