N-LIMB：用于高效形态设计的神经肢体优化

机器人完成任务的能力高度依赖于其物理设计。然而，确定最优物理设计及相应控制策略 inherently 具有挑战性。自由选择链接数量、类型及其连接方式导致了组合式的设计空间，而该空间中任何设计的评估都需要推导其最优控制器。本工作中，我们提出 N-LIMB，一种在大量形态上优化机器人设计与控制的高效方法。我们框架的核心是一个通用的、以设计为条件的控制策略，能够控制多样化的设计集合。该策略通过允许经验跨设计迁移并降低评估新设计的成本，极大提升了我们方法的采样效率。我们训练该策略以最大化设计分布上的期望回报，同时该分布在通用策略下向更高性能设计更新。以此方式，我们的方法收敛于围绕高性能设计峰值的设计分布，以及为那些设计有效微调的控制器。我们在一系列不同地形上的运动任务中展示了我们方法的潜力，并展示了新颖且高性能的设计-控制对的发现。