• Генеративный дизайн используется для оптимизации параметров деталей в производстве.
• Методы генеративного дизайна могут автоматизировать процесс создания роботизированных устройств захвата.
• Формализация проектирования захватов является ключевой задачей для ИИ.
• Захват состоит из нескольких «пальцев» с податливыми многозвенными конструкциями.
• Задача захвата - схватить и удерживать тестовые объекты разной формы с разной эффективностью.
• Для поиска оптимальной конструкции захваты представлены в виде графа с графо-грамматическими правилами.
• MCTS (Monte Carlo tree search) используется для перебора возможных конструкций и вычисления эффективности.
• Проект Rostok, разработанный с использованием MCTS, выложен в открытый доступ на GitHub.
• Прототип сгенерированного захвата был создан на 3D-принтере и показал возможность его сборки.
• Результаты работы подходят для академических вопросов и бенчмаркинга алгоритмов машинного обучения.
• В будущем планируется доработка подхода для генерации более физически обоснованных моделей и расширения спектра рассматриваемых захватов.