Transformer Transformer：一個統一的運動條件式機器人協同設計模型
為何重要
這項技術突破意味著 AI 將不再僅限於最佳化「大腦」（演算法策略），而是直接參與「硬體」本身的設計與最佳化。對產業來說，這大幅縮減了自訂化工業機臺或具體應用機器人的研發週期；對開發者而言，開放了一條將生成式 AI 與具體物理實體結合的新路徑。雖仍主要在模擬環境驗證，但若能匯入實體製造與控制，將改變機器人從功能導向設計的思維模式。
本研究提出一個名為 Transformer Transformer 的統一模型，能根據指定的端點運動與獎勵函式，直接生成包含連桿、關節、馬達與控制器在內的完整機器人器型最佳化解，將機器人設計流程從手工改造成自動化生成。該架構使用 Diffusion Transformer，並搭配自定義的 RoboTokens 統一語彙，將 11 部穿跨不同質量（0.65kg 至 67.5kg）與自由度（6–35 DoF）的機器人轉換為標記序列進行端到端訓練。在 ALOHA2 雙工平臺上實測佈料拋扔任務，模型生成的設計相比原始設計，追蹤誤差降低 73%，最大關節速度降低 30%。作者還引入「Dynamics Self-Guidance」機制，透過將梯度訊號注入擴散過程，實現對未曾見過之獎勵函式的零樣本最佳化。