在过去的几年里，我们都看过无数的视频，展示敏捷的人形机器人如何轻松地奔跑和跳跃。我们不仅不再对这种灵活性感到惊讶，而且开始将其视为常态。
问题是这些很酷的演示实际上很难使用。当创建在人类身边有用且安全的机器人时，最基本的运动方法变得更加重要。
因此，研究人员正在使用相同的技术来训练人形机器人来完成不太激进的目标。
俄勒冈州立大学计算机科学教授Alan Fearn 和他的团队成功训练了一款人形机器人，使其能够站立、行走、捡起箱子以及从一个位置移动到另一个位置。
与此同时，加州大学伯克利分校的另一个研究小组正致力于训练手指在陌生的环境中行走并承受各种重量而不摔倒。他们的论文发表在最新一期的《科学机器人》杂志上。
两个小组都使用一种名为“拟真强化学习”的人工智能技术，这是一种训练Digit 等双足机器人的新方法。
研究人员相信，这将创造出更强大、更可靠的双足机器人，它们可以更安全地与周围环境互动并更快地学习。
模拟现实强化学习涉及训练人工智能模型在模拟环境中完成数十亿次特定任务，然后让由该模型驱动的机器人在现实世界中完成这些任务。
机器人在模拟环境中通过反复试验进行测试，使它们能够在短短几天内学会在现实生活中需要数年才能学会的知识。
神经网络使用奖励函数来引导机器人，每当机器人接近目标位置或完成目标动作时，奖励函数就会给予“奖励”（更高的分数）。
如果你做了一些不应该做的事情，比如摔倒，你会得到负分作为“惩罚”，所以随着时间的推移，你会学会如何避免这种行为。
（来源：ALAN FERN 通过Twitter）
在之前的一个项目中，俄勒冈大学的研究人员使用相同的强化学习技术来教一个名叫Cassie 的双足机器人如何跑步。
这个方法很成功，Cathy 成为第一个在户外跑5 公里的机器人，并继续创造了双足机器人100 米跑的世界纪录，展示了我学到的轻松从一个地方跳到另一个地方的能力。它。
加州大学伯克利分校的博士生伊利亚·拉多萨沃维奇(Ilya Radosavovich) 表示：“训练机器人进行专门的运动需要在非常有限的环境中培养非常复杂的技能。”
我们的情况恰恰相反，我们在更大的背景下培养非常简单的技能。 ”
这波关于人形机器人的研究不再关心速度和功率，而是更关心如何使机器人变得更加坚固和适应性强，这两种能力可以使它们在现实世界中更加有用。
人形双足机器人在工作环境中仍然相对较少，因为它们在搬运重物时往往难以保持平衡。因此，大多数在工厂和仓库工作的机器人往往有四条腿或更大、更稳定的底座。
但研究人员希望利用人工智能技术使人形机器人更加可靠，并最终改变这一现状。
费恩表示，强化学习将为训练这些操作技能提供“新的、更灵活的、更快的方法”。他和他的团队计划在下个月在日本举行的机器人和自动化国际会议上展示他们的发现。
费恩说，最终的目标是人类向机器人展示任务的视频，例如从架子上拿起一个盒子并将其放在另一个更高的架子上，然后让机器人在不做任何事情的情况下执行任务。请完成这个任务。
纽约大学计算机科学助理教授莱雷尔·平托(Lerel Pinto) 表示，虽然让机器人快速观察、复制和学习这些行为非常有用，但挑战仍然存在。他没有参与这项研究。
“这是一个非常困难的问题，所以如果我们能做到的话，那将是非常令人印象深刻的，”他说。
支持： 伦
管理及排版：何晨龙
版权声明：本文由今日头条转载，如有侵犯您的版权，请联系本站编辑删除。