在人工智能的驱动下，机器人构建领域实现了前所未有的革新速度。AI不仅能够设计复杂的人工神经网络，而且能在极短的时间内构想出具备自主行动能力的机器人躯干。令人称奇的是，仅需30秒，AI便能在普通笔记本电脑或手机上创造出一个能自主移动的机器人原型。

当前，虽然该技术展现出了强烈的未来感，但所制造的机器人功能较为基础，只能沿着直线滑动，尚未掌握复杂的动作。这项创新方法，由美国西北大学的科学家兼工程师萨姆-克里格曼及其团队提出，旨在促进机器人设计的普及。

克里格曼指出，受限于高性能计算资源的获取，仅少数企业和学术机构能够参与其中，这限制了创新的多样性和广度。他坚信，使设计工具更易于获取，将极大地激发创新潜力。

哥伦比亚大学的机器人学专家霍德-利普森虽未参与此项目，但仍对此成果表示认可。他认为，尽管尚有许多挑战待解，但这无疑是一次重要的进步。

传统的进化机器人设计依赖大量计算资源来生成和测试随机变体。相比之下，克里格曼团队采用了梯度下降法，这是一种更具有方向性的进化策略。它从随机生成的设计开始，通过评估每种设计的性能，并在每次迭代中优化设计，从而加速找到成功路径的过程。

在计算机模拟中，设定目标为发展陆地移动能力，并允许机器人在虚拟环境中自由进化。机器人从静止状态起步，在短短10次模拟和数秒钟内，以每秒0.5个身长的速度移动，相当于人类平均步行速度的一半。

为了验证模拟的现实可行性，研究团队利用3D打印技术制作了性能最优的机器人原型，填充硅胶模拟肌肉运动。最终，这些机器人如同微型卡通人物般在地面上爬行，尺寸仅略大于一块肥皂。

克里格曼表示，尽管这些机器人目前的功能简单，但他们对于未来的期待却充满了憧憬。他强调，AI模拟的机器人设计并不总是能直接转化为实用机器人，但他们的研究正朝着这一目标迈进。

杜克大学名誉教授、加州大学洛杉矶分校研究教授凯瑟琳-海尔斯认为，这项研究是向更高级别机器人设计迈进的关键一步。她指出，梯度下降法在设计人工神经网络方面已有广泛应用，将其与可进化的身体结合，构成一个强大的创新系统。

海尔斯进一步阐述，真正的突破将在于使用梯度下降法来进化神经网络，并与可进化的身体实现共同进化，类似自然界中的生物进化过程。

利普森展望，具备设计新产品的AI将助力人类解决一系列重大问题，包括开发适应气候变化的下一代电池，以及探索治疗现有不可治愈疾病的新型药物。这些简陋的机器人，标志着我们向着这一目标迈出了重要一步。

利普森总结道：“如果我们能够设计出能为我们设计解决方案的算法，那么所有难题都将迎刃而解。”这一愿景预示着人类将拥有无尽的创新动力。