強化學習優化機器蝴蝶翼形升力增三倍多

研究方法

研究以翅膀幾何形狀可調的機器蝴蝶為實驗平台，配合運動捕捉系統與形態測量分析，把翅膀形態與飛行性能之間的關係系統地量化記錄。

在活體生物上，形態與性能的關係難以單獨分離驗證；機器平台可反覆改動設計並重複測試，令對應關係更容易被檢驗。

設計搜尋

團隊其後運用深度強化學習在形態設計空間中搜尋，辨識出針對空氣動力學性能而優化的翅膀設計，並將其應用於機器蝴蝶之上。

學習所得的設計令升力提高339%，推力提高46%，空氣動力學表現較原有設計明顯改善，驗證該搜尋方法的實效。

驗證與應用

物理飛行測試驗證了學習所得的形態，預測誤差保持在7%以下，顯示模擬與實體表現之間的一致性達到可用水平。

團隊指出，結合受控機器人實驗與機器學習，可為功能形態學產生可檢驗的假設，同時為仿生機器人的工程設計提供指引，研究成果刊於學術期刊《npj Robotics》。