麻省理工學院

麻省理工學院計算機科學與人工智能實驗室（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)境中運行非常復雜?？焖俚牟椒ナ箼C器人幾乎沒有空間遇到，從中恢復和適應挑戰(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力極限。麻省理工學院CSAIL博士生Gabriel Margolis和AI與基礎交互研究所（IAIFI）博士后研究員Ge Yang最近告訴麻省理工學院新聞：

　　在這種情況下，機器人動力學很難進行分析建模。機器人需要快速響應環(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。賦予機器人類似的適應能力需要快速識別地形變化并快速適應以防止機器人摔倒?？偠灾?，由于提前構建所有可能地形的分析（人類設計）模型是不切實際的，并且機器人的動力學在高速下變得更加復雜，因此高速跑步比步行更具挑戰(zhàn)性。

　　最新的麻省理工學院Mini Cheetah的區(qū)別在于它如何應對。以前，麻省理工學院獵豹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計，他們分析了運動的物理學，制定了有缺陷的抽象，并實現(xiàn)了專門的控制器層次結構，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)驗模型來實時學習。事實上，通過在模擬器中訓練其簡單的神經(jīng)網(wǎng)絡，麻省理工學院機器人可以在短短三個小時內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)行相關技能，"他們補充說。

　　當然，就像任何優(yōu)秀的學術研究工作一樣，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，我們正在達到一個點，模擬和神經(jīng)網(wǎng)絡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。