麻省理工學(xué)院

麻省理工學(xué)院計算機科學(xué)與人工智能實驗室（CSAIL）有一個非?？焖俚乃淖銠C器人的新版本。雖然四條腿的機器人在過去幾年中引起了無盡的關(guān)注，但一項令人驚訝的日常技能對他們來說卻難以捉摸：跑步。

　　這是因為在現(xiàn)實世界環(huán)境中運行非常復(fù)雜。快速的步伐使機器人幾乎沒有空間遇到，從中恢復(fù)和適應(yīng)挑戰(zhàn)（例如，光滑的表面，物理障礙物或不平坦的地形）。更重要的是，運行的壓力將硬件推到其扭矩和應(yīng)力極限。麻省理工學(xué)院CSAIL博士生Gabriel Margolis和AI與基礎(chǔ)交互研究所（IAIFI）博士后研究員Ge Yang最近告訴麻省理工學(xué)院新聞：

　　在這種情況下，機器人動力學(xué)很難進(jìn)行分析建模。機器人需要快速響應(yīng)環(huán)境的變化，例如在草地上奔跑時遇到冰的那一刻。如果機器人在行走，它會緩慢移動，雪的存在通常不是問題。想象一下，如果你走得很慢，但要小心：你幾乎可以穿越任何地形。今天的機器人面臨著類似的問題。問題是，在所有地形上移動，就像你在冰上行走一樣，效率非常低，但在今天的機器人中很常見。人類在草地上跑得很快，在冰上慢下來 - 我們適應(yīng)。賦予機器人類似的適應(yīng)能力需要快速識別地形變化并快速適應(yīng)以防止機器人摔倒?？偠灾捎谔崆皹?gòu)建所有可能地形的分析（人類設(shè)計）模型是不切實際的，并且機器人的動力學(xué)在高速下變得更加復(fù)雜，因此高速跑步比步行更具挑戰(zhàn)性。

　　最新的麻省理工學(xué)院Mini Cheetah的區(qū)別在于它如何應(yīng)對。以前，麻省理工學(xué)院獵豹3和迷你獵豹使用敏捷運行控制器，這些控制器由人類工程師設(shè)計，他們分析了運動的物理學(xué)，制定了有缺陷的抽象，并實現(xiàn)了專門的控制器層次結(jié)構(gòu)，以使機器人平衡和運行。這與波士頓動力公司的Spot機器人的操作方式相同。

　　這個新系統(tǒng)依靠經(jīng)驗?zāi)Ｐ蛠韺崟r學(xué)習(xí)。事實上，通過在模擬器中訓(xùn)練其簡單的神經(jīng)網(wǎng)絡(luò)，麻省理工學(xué)院機器人可以在短短三個小時內(nèi)在不同的地形上獲得100天的經(jīng)驗。

　　"我們開發(fā)了一種方法，通過這種方法，機器人的行為可以從模擬體驗中改善，我們的方法也能夠成功地將這些習(xí)得的行為部署到現(xiàn)實世界中，"Margolis和Yang解釋說。

　　"為什么機器人的跑步技能在現(xiàn)實世界中表現(xiàn)良好背后的直覺是：在這個模擬器中看到的所有環(huán)境中，有些人會教機器人在現(xiàn)實世界中有用的技能。在現(xiàn)實世界中操作時，我們的控制器會實時識別和執(zhí)行相關(guān)技能，"他們補充說。

　　當(dāng)然，就像任何優(yōu)秀的學(xué)術(shù)研究工作一樣，Mini Cheetah更像是概念和開發(fā)的證明，而不是最終產(chǎn)品，這里的重點是機器人如何有效地應(yīng)對現(xiàn)實世界。Margolis和Yang指出，需要人工監(jiān)督和投入才能實現(xiàn)高效操作的機器人開發(fā)和部署范式是不可擴展的。

　　簡而言之，手動編程是勞動密集型的，我們正在達(dá)到一個點，模擬和神經(jīng)網(wǎng)絡(luò)可以完成驚人的更快的工作。過去幾十年的硬件和傳感器現(xiàn)在開始充分發(fā)揮其潛力，這預(yù)示著機器人將在我們中間行走的新一天。

　　事實上，他們甚至可能跑。