扩散模型，这一在图像生成与设计领域崭露头角的技术，正逐步拓展其应用边界，近期在机器人设计领域也取得了显著进展。生成式人工智能(GenAI)模型已能自主或基于用户输入，从零开始设计机器人结构及其控制系统，并在制造前进行模拟评估。麻省理工学院计算机科学与人工智能实验室(CSAIL)更是将这一技术推向新高度，开发出一种新方法，将扩散模型应用于人类机器人设计的改进中。用户可绘制机器人3D模型，指定修改部件及尺寸，GenAI则集思广益，优化设计并在模拟环境中测试。找到合适设计后，可直接3D打印出可运行的机器人，无需额外调整。

研究人员利用此方法制造的机器人，平均跳跃高度约2英尺，较同类机器人高出41%。其独特之处在于，人工智能生成的连杆呈弯曲状，类似粗鼓槌，而标准机器人连接部件为直矩形。为进一步提升性能，研究人员对500个潜在设计进行采样，根据模拟性能选出前12个选项，优化嵌入向量，重复五次后，最终设计形似球体，显著提高了跳跃能力。共同主要作者、CSAIL博士后Byungchul Kim表示，扩散模型的优势在于能找到非常规解决方案，如通过独特形状储存能量，同时避免链节过细易断的问题。

此外，团队还要求系统设计优化的脚部，确保安全落地。经重复优化，AI设计的机器跌倒次数远低于基准水平，提升了84%。扩散模型在提升机器人跳跃和着陆技能方面的表现，预示着其在其他机器设计领域的广阔前景。例如，制造或家用机器人公司可利用类似方法改进原型，节省工程师迭代时间。联合主要作者、麻省理工学院CSAIL博士生Tsun-Hsuan “Johnson” Wang表示，该项目是生成式人工智能助力新型机器人设计的起点，未来希望拓展到更灵活的目标，如用自然语言引导设计可拿起杯子或操作电钻的机器人。Kim还指出，扩散模型有望帮助生成关节，构思部件连接方式，进一步提高机器人性能。