麻省理工学院（MIT）四足迷你猎豹机器人刚刚打破了之前创造的最佳速度记录 —— 达到了 8.72 mph（14.04 km/h）。这一结果主要归功于一个新颖的无模型强化学习系统，允许机器人找到最好的跑步方式，适应不同的地形，而不再依赖于预手动分析。
（来自：MIT/ CSAIL）
虽然迷你猎豹不是今天最快的四足机器人，但麻省理工学院 Improbable AI 实验室和美国国家科学基金会（NSF）人工智能与基础交互研究所（IAIFI），或者给它更强的灵活性。
Mini Cheetah robot runs faster than ever - MIT CSAIL（via）
在最近分享的一段新视频中，我们可以看到机器人在撞到障碍物后迅速绕过，独立学习适应滑冰路面和松散的砾石山丘。在一套简单的神经网络的支持下，它可以相应地评估复杂的新环境。
机器人通常在系统的指导下移动。该系统将参考机械肢体如何移动来分析和制作指导模型数据。但在实际应用中，这些模型往往效率低下，在处理事故时不够全面。
特别是当机器人以最高速度运行时，系统硬件面临极端压力，使环境建模更加困难。要克服这方面的不足，MIT 研究团队选择了独特的经验学习体系。
相比之下，类似波士顿动力的公司 Spot 依靠人工分析运动的物理特性，并手动配置机器人的软硬件和分析设计参数。
腾讯机器人：腾讯正式发布 Max 第二代机器人：复杂的地形可以准确地通行
基于此，MIT 迷你猎豹机器人可以猎豹机器人可以通过反复试验独立学习。在积累了足够的不同地形经验后，可以在后续工作中自动改善行为，甚至在现实生活中积累经验。
研究人员表示，通过模拟，迷你猎豹机器人可以在静止内快速积累 100 天的经验。MIT博士生 Gabriel Margolis 与 IAIFI 博士后研究员 Ge Yang 补充道：
这种方法可以通过模拟经验来改善机器人的行为，同时也适用于在现实世界中成功实施。
背后的原理是机器人可以在模拟器中看到所有的环境信息，系统将教授它们在现实世界中区分和识别的实用技能。
有了这样一个系统，研究人员希望继续扩大技术规模，传统方法很难轻易实现。
最后，Margolis 和 Yang 补充道：
要构建具有多种不同技能的机器人，更实用的犯法是告诉机器人该做什么，学会怎么做。我们的系统就是一个很好的例子。
郑重声明：本文版权归原作者所有，转载文章仅为传播更多信息之目的，如作者信息标记有误，请第一时候联系我们修改或删除，多谢。
标签：
评论