去年年底，波士頓動力發(fā)布的機器人組團載歌載舞賀新年的視頻賺足了全球觀眾的眼球。這幾天，江西圖書館兩個斗嘴機器人也迅速圈了一批粉。今天，我們來瞧瞧“絕影”機器狗get到的新功夫：無論推倒我還是踢翻我，我都能自己學著站起來。

人類在面對從未遇到的新情況時，可以本能地切換不同的技能來進行嘗試和應(yīng)對，但對機器人來說卻是一項不小的挑戰(zhàn)。波士頓動力的機器人雖然舞技超人，但還都是基于預(yù)先設(shè)定好的程序，一旦超出預(yù)定程序以外很難做到隨機應(yīng)變。

據(jù)《科學·機器人》雜志報道，浙江大學和愛丁堡大學的聯(lián)合研究團隊開發(fā)出了一套新的人工智能（AI）加強式學習方案。它能利用所謂的多專家學習架構(gòu)（MELA），讓浙大的“絕影”機器狗掌握自行應(yīng)對陌生情況的技能。

研究人員從培訓可以指導虛擬機器狗的軟件開始。他們開發(fā)了具有8種算法“專家”的學習體系，可以幫助機器狗產(chǎn)生復(fù)雜的行為。對于每種方式，都使用深度神經(jīng)網(wǎng)絡(luò)來訓練機器狗的計算機模型以實現(xiàn)一個特定技能，這八項技能包括：站立平衡、大步小跑、左轉(zhuǎn)、姿勢控制、摔倒后翻正、小步小跑、側(cè)滾和右轉(zhuǎn)。

如果虛擬機器人的嘗試更接近目標，它將獲得一次數(shù)字獎勵；如果它做得不太理想，就給它記上一次數(shù)字過失。這個過程被稱為強化學習。經(jīng)過許多次這樣的嘗試后，模擬機器人就成為了某項技能的專家。 一旦對8位算法“專家”進行了培訓，“他們”就需要學習團隊合作。研究人員將它們組合成一個總體網(wǎng)絡(luò)，以充當教練或隊長的角色。

這使機器人的人造大腦可以利用每位“專家”的知識——如何奔跑，轉(zhuǎn)身或正確站立。研究人員解釋說，教練或隊長會告訴誰做什么，或者誰和誰應(yīng)該一起工作。所有“專家”都可以在一個團隊中一起協(xié)作，從而大大提高了技能的能力。例如，當機器人跌倒并需要恢復(fù)時，系統(tǒng)可以檢測到該運動并喚醒負責平衡的“專家”。

如動圖所示，8位“專家”相對應(yīng)的數(shù)據(jù)條會顯示在屏幕左上角。當虛擬機器人在模擬環(huán)境中移動，追逐浮動的綠球時，網(wǎng)絡(luò)會根據(jù)特定時刻所需的技能來調(diào)高或調(diào)低每個“專家”的專業(yè)技能的影響力。

然后，研究人員可以將數(shù)字機器人在模擬中學到的東西移植到現(xiàn)實世界中的機器人大腦中。在上面的動圖中，機器狗大腦中的“教練”正在與AI專家進行協(xié)調(diào)，以幫助機器狗在滑過石子路時保持其立足點。當專業(yè)人員用棍子推倒“絕影”時，機器狗在原地重新站立了起來。對任何環(huán)境下的四足機器人來說，這都是非凡的能力，更不用說是需要行走在石子路上的機器人了。

當然，研究人員并不滿足于讓機器狗輕松過關(guān)，他們甚至還抓住機器狗頭部的手柄，將它摔個臉著地。但每次這只機器狗都會重新站起來。這并不是因為研究人員編寫了針對這種特殊攻擊類型的反應(yīng)代碼，而是因為“絕影”現(xiàn)在已學會了就其行為策略咨詢它的AI專家。當研究人員讓機器人在光滑的表面或草地上而不是石子路上行走時，它也適應(yīng)了這種情況。

這項研究的總體思路是使機器人學習步態(tài)的方式與人類幼兒類似。對機器人運動進行編碼的傳統(tǒng)方法是在機器上加載有關(guān)現(xiàn)實世界工作原理的假設(shè)。例如，腳如何以不同的方式在硬木地板和地毯上踩穩(wěn)，并逐點給出指令。但是想象一下，你告訴一個小孩：要爬上樓梯，就必須這樣移動胳膊和腿，他們根本不會聽你的。他們會通過各種試錯來學會如何行動。他們必須通過體驗，來學會在不同場景下如何調(diào)整其運動方式。

同樣，一臺機器人不能僅通過遵循腳本來適應(yīng)環(huán)境，因為現(xiàn)實世界中的環(huán)境極其復(fù)雜。研究人員表示，“所有預(yù)設(shè)在您進入野外時都會被徹底打破，因為您沒有關(guān)于此環(huán)境的完整信息。” 因此，解決方案是讓“絕影”機器狗像人類一樣學習，使其能夠?qū)崟r組合其靈巧和自適應(yīng)的技能，來處理它從未見過的各種不同任務(wù)。

責任編輯：xj

原文標題：“絕影”機器狗學會新功夫：人類再也弄不翻我了

文章出處：【微信公眾號：天津機器人】歡迎添加關(guān)注！文章轉(zhuǎn)載請注明出處。