O co-desenho de materialização visa otimizar simultaneamente a morfologia e a política de controle de um robô. Embora trabalhos anteriores tenham demonstrado seu potencial para gerar robôs adaptativos ao ambiente, este campo ainda enfrenta desafios persistentes em eficiência de otimização devido à (i) natureza combinatória dos espaços de busca morfológica e (ii) complexas dependências entre morfologia e controle. Provamos que a representação morfológica ineficaz e os sinais de recompensa desequilibrados entre as etapas de design e controle são obstáculos-chave para a eficiência. Para avançar em direção ao co-desenho de materialização eficiente, propomos o BodyGen, que utiliza (1) autoatenção consciente da topologia para design e controle, permitindo uma representação morfológica eficiente com tamanhos de modelo leves; (2) um mecanismo de atribuição de crédito temporal que garante sinais de recompensa equilibrados para otimização. Com nossas descobertas, o Body alcança uma melhoria média de 60,03% no desempenho em relação a referências de estado da arte. Fornecemos códigos e mais resultados no site: https://genesisorigin.github.io.
Lu et al. (Sáb,) estudaram essa questão.