现在，用 AI 生成一张机器人图片并不难。

输入一句描述，几秒钟后，屏幕上就能出现机械蝎子、狮鹫，甚至一台从游戏里走出来的半人马机器人。

但从画出来到做出来，可以说差了十万八千里吧！

这中间棘手的事很多。电机装在哪里？关节转动时会不会碰撞？零部件能不能承受扭矩？结构是否适合 3D 打印？打印出来后，又该怎么组装？

最近，上海人工智能实验室、代尔夫特理工大学与上海交通大学团队提出了一套DOA自动设计框架，试图把这条链路向前推进一步。

用户输入文字、图片或3D模型后，系统会从外形网格出发，自动拆分机械部件、选择电机、调整几何结构、优化打印密度，并处理装配细节，最终输出一份电机清单和一套可直接3D打印的机械部件。

为了验证这套方法，研究团队真的造出了一台约15公斤重、能够行走和摆出不同姿态的半人马机器人。

相关论文近日以Article in Press 形式上线于Nature合作期刊《npj Robotics》。

01.

从游戏角色图片，到一台真实机器人

研究团队选择的测试对象来自游戏《塞尔达传说：旷野之息》中的 Lynel。

它有类似人类的上半身，也有四足动物式的下半身，头顶长角。与常见四足机器人相比，这种形态没有现成模板可以直接套用。

系统先借助图生3D工具生成初始网格。简单来说，就是先把二维图片变成立体外壳。

由于Lynel的身体结构并不标准，研究人员仍需通过交互界面预先指定关节位置、自由度和运动轴线。此后，机械部件拆分、电机配置、几何结构调整、密度优化和装配处理由系统自动完成。

最终，这台半人马机器人拥有19个自由度。髋关节和肩关节各有两个自由度，膝关节和肘关节各有一个自由度，腰部还有一个自由度。

在一台搭载AMD R9-5900X CPU 的计算机上，自动设计过程耗时约8小时。系统从电机库中选出12个DM6006电机和7个MG4005 电机。研究人员再使用PLA材料打印上下躯干、大腿、小腿和手臂等结构，完成装配和装饰。

最终样机总重约15公斤，能够行走，也能活动不同关节，摆出多种姿态。

不过，这还不是“从图片到机器人全程一键生成”。

这台机器人的初始关节配置仍由研究人员手动设定，运动控制也没有自动生成。下半身使用现有四足机器人控制器 Champ，上半身则由摇杆操作。

02.

AI不只要管外形，还要管电机和强度

这套方法被称为“拆解-优化-组装”，英文简称DOA，即Decomposition-Optimization-Assembling。

第一步是拆解。系统将初始网格拆成身体、大腿、小腿和手臂等机械部件。与从标准零件库中拼装机器人不同，这种方式保留了更多外形自由度。

第二步是选择电机。系统要决定每个关节使用哪一种电机、放在哪里，同时兼顾位置、轴线、扭矩和相互干涉。电机既要塞得进去，也要带得动。

第三步是几何优化。如果原始外形没有足够空间容纳电机，系统就需要局部调整结构，同时移除关节运动时可能发生碰撞的区域。

为此，研究人员先将网格体素化，也就是切成许多小立方体，再完成网格扩张、关键体素搜索和运动干涉移除，最后重新构建机械结构。

做到这里，机器人已经可以进入仿真。但要真正打印出来，还差一步：减重和装配。

03.

内部做成镂空骨架，连接方式也要一起算

如果零部件全部打印成实心，重量和成本都会快速上升；如果内部过于空旷，又可能无法承受电机扭矩。

系统因此加入密度优化。研究人员通过有限元分析评估受力情况，在重量与结构强度之间寻找平衡。最终，零部件内部填充六重板晶格结构，同时保留外层表面。

从外面看，它仍然保留游戏角色的轮廓；从内部看，则像一套经过计算的镂空骨架。

装配方式也被纳入设计。研究团队为电机与机械结构设计了类似燕尾榫的连接结构，系统会根据电机位置，将连接件融合进机械结构，并搜索更合适的滑入方向，减少安装过程中的干涉。

电机一侧的连接件仍需使用螺丝固定，但电机与打印部件之间不再额外使用螺丝，还可以通过销钉防止连接件沿槽滑动。

这不是一个花哨细节。它决定了系统输出的结构，能否真正完成装配。

04.

随机测试 100 张狗狗图片，条件成功率达到 92%

一台半人马机器人足够吸睛，但还不足以说明系统具备一定通用性。

研究团队又从 Stanford Dogs 数据集中随机选取100张狗狗图片，尝试自动生成不同外形的四足机器人。

狗的身体结构相对标准。系统可以借助3D姿态估计模型生成初始网格和关节位置，再按照标准四足机器人的12自由度模板开展设计。如果一次设计失败，系统会将模型整体放大10%，重新开始下一轮，最多迭代 8 轮。

结果显示，第一轮设计的条件成功率为36%；经过多轮调整后，提升至92%。成功设计平均需要2.39 轮，平均耗时约20.4分钟。

这里所谓的成功，是指设计通过了自动验证，即存在合适的电机，机械结构能够容纳电机，不会出现运动和装配干涉，并且能够通过有限元分析。

失败原因也很现实。59.4% 的失败轮次来自有限元分析约束无法满足，通常是因为初始网格存在过薄部位，或者移除干涉后，局部结构变得太脆弱。

05.

机器人身体，也开始成为算法的一部分

除了半人马和机器狗，团队还展示了文字、图片和3D 模型输入下生成的多种设计，包括狮鹫、蝎子、霸王龙、台灯和卡通角色等。不同设计耗时约 30分钟至5小时。

这项研究距离工业级机器人设计仍有明显距离。

系统依赖前端文生3D或图生3D 模型的质量；当前仅支持旋转关节；控制器也没有与机械结构协同生成。半人马机器人可以行走，但距离奔跑、跳跃和自主完成复杂任务还很远。

它暂时不是工业机器人研发的替代品。但在教育、娱乐、文创和个性化原型验证中，这套思路已经提供了一种新的可能性。

过去，机器人行业谈具身智能，更多关注如何训练一个更聪明的“大脑”。现在，身体本身，也开始成为算法的一部分。

论文链接：https://doi.org/10.1038/s44182-026-00101-3