凭借 Google 新算法，机器人自学行走平均只需 3.5 小时

在机器人领域，保持机器人平稳站立和移动一直是一个棘手的挑战，因为它需要极高的专业知识和设计水平。虽然一些传统的机器人可以在人工控制下完成站立和运动，但它们的运动范围也充满了各种限制。

为了解决这个问题，谷歌最近与佐治亚理工学院和加州大学伯克利分校的研究人员联合发表了一篇论文，详细介绍了他们是如何成功制造出一个可以在人工智能中自行行走的机器人的。他们给这个四条腿的小机器人取了一个可爱的代号“彩虹短跑”

根据世界纪录，婴儿从爬行到学会走路的最快速度是6个月。根据论文中的测试数据，彩虹短跑平均只需要大约3.5个小时就可以学会向前、向后和左右转动。在坚硬平坦的地面上，机器人需要1.5小时来学习走路，在记忆海绵制成的床垫上需要5.5小时，在空心地毯上需要4.5小时。

具体来说，机器人使用深度强化学习，它结合了深度学习和强化学习两种不同类型的人工智能技术通过深入学习，系统可以处理和评估来自其环境的原始输入数据。通过强化学习，该算法可以反复测试，学习如何执行任务，并根据完成程度获得奖惩。换句话说，通过上述方法，机器人可以在它不知道的环境中实现自动控制策略。

在以前的这类实验中，研究人员最初让机器人通过模拟来学习真实世界的环境。在仿真环境中，机器人的虚拟体首先与虚拟环境交互，然后算法接收虚拟数据。只有当系统具有“处理”数据的能力时，携带系统物理形态的机器人才能进入真实环境进行实验。这种方法有助于避免在试错过程中对机器人及其周围环境的损害。

然而，虽然环境很容易建模，但通常需要很长时间，真实环境充满了各种意外情况。因此，在模拟环境中训练机器人的重要性是有限的。毕竟，这种研究的最终目标是让机器人为真实世界的场景做好准备。

谷歌、佐治亚理工学院和加州大学伯克利分校的研究人员并不“保守”在他们的实验中，彩虹短跑从一开始就在真实的环境中训练。因此，机器人不仅能适应自己的环境，还能更好地适应类似的环境。

虽然彩虹短跑可以独立运动，但这并不意味着研究人员可以“走开”。在开始学习在环境中行走时，研究人员仍然需要手动干预彩虹短跑数百次。为了解决这个问题，研究人员限制了机器人移动的环境，允许它同时进行多动作训练。

彩虹短跑自学走路后，研究人员可以通过连接控制手柄来控制机器人在设定的环境中实现理想的轨迹。此外，机器人会在识别出环境的边界后自动往回走。在特定环境之外，机器人可能会反复摔倒并对机器造成损坏。那时，需要另一种硬编码算法来帮助机器人站立起来。谷歌

研究负责人简·谭(Jan Tan)告诉媒体，这项研究花了大约一年时间才完成。他说:

我们对让机器人在各种复杂的现实环境中运动感兴趣然而，设计能够灵活处理多样性和复杂性的运动控制器是非常困难的。

雷锋网络了解到，接下来，研究人员希望他们的算法可以应用于不同类型的机器人或在同一环境中同时学习的多个机器人研究人员认为，破解机器人的移动能力将是开启更多实用机器人——人类用腿走路——的关键。如果机器人不能使用腿，他们就不能在人类世界中行走。然而，让机器人在人类世界中行走是一个至关重要的问题。它们可以代替人类去探索地球上不同的地形或者人类没有探索过的地区，比如太空。然而，由于机器人依靠安装在它上面的运动捕捉系统来确定它的位置，该设备暂时不能直接用于现实世界。注意:本文引用的是商业内幕

本文由 在线网速测试 整理编辑，转载请注明出处。