研究人員的一項(xiàng)新研究取得了重大進(jìn)展，機(jī)器人可以在沒有人工干預(yù)的情況下學(xué)習(xí)走路。在幾個小時內(nèi)，僅僅依靠對當(dāng)前最先進(jìn)算法的微調(diào)，它們成功地讓一個四條腿的機(jī)器人學(xué)會了完全獨(dú)立的向前走和向后走，以及左右轉(zhuǎn)彎。

圖 | 機(jī)器人在不同的地形上學(xué)習(xí)自主行走，包括平地（上）、記憶泡沫床墊（中）和鏤空的門墊（下）

這項(xiàng)工作建立在一年前的研究基礎(chǔ)上，當(dāng)時研究團(tuán)隊(duì)首次發(fā)現(xiàn)了如何讓機(jī)器人在現(xiàn)實(shí)世界中學(xué)習(xí)。

此前，強(qiáng)化學(xué)習(xí)通常在模擬環(huán)境中進(jìn)行：機(jī)器人的虛擬分身在模擬的環(huán)境中走來走去，直到算法足夠完善，可以使其安全運(yùn)行為止。然后將其導(dǎo)入真正的機(jī)器人。

這種方法有助于避免機(jī)器人在反復(fù)實(shí)驗(yàn)過程中對周圍環(huán)境的損傷，但也需要一個易于建模的環(huán)境。在機(jī)器人腳下模擬自然散落的沙礫或者彈簧床墊需要很長時間，根本不值得。

基于這種狀況，研究人員從一開始就決定通過在真實(shí)世界中訓(xùn)練來避免困難的環(huán)境建模。他們設(shè)計(jì)了一種更高效的算法，可以使學(xué)習(xí)的試驗(yàn)次數(shù)變少一點(diǎn)，并在兩個小時內(nèi)讓機(jī)器人站起來行走。由于實(shí)際環(huán)境中會有自然變化，機(jī)器人也能夠快速適應(yīng)其他相似的環(huán)境，如斜坡、臺階以及有障礙的平地。

但是，這個過程仍然需要人類去幫助機(jī)器人，并手動干預(yù)上百次，Google Brain 機(jī)器人運(yùn)動團(tuán)隊(duì)的負(fù)責(zé)人、論文合著者譚杰（音譯）說，“一開始我沒想過還需要人工干預(yù)?！?/p>

于是他們開始解決這個新問題。首先，他們限定了機(jī)器人可以探索的地形，并讓它一次性進(jìn)行多重動作訓(xùn)練。如果機(jī)器人在學(xué)習(xí)如何向前走的同時到達(dá)了限定地形的邊緣，它就會改變方向，開始學(xué)習(xí)如何向后走。

其次，研究人員還限制了機(jī)器人的訓(xùn)練動作，讓它能夠謹(jǐn)慎一些，最大限度地減少反復(fù)摔倒帶來的傷害。當(dāng)機(jī)器人不可避免地摔倒時，他們還添加了另一個硬編碼算法來幫助它站起來。

通過這些調(diào)整，機(jī)器人學(xué)會了如何在幾個不同的環(huán)境中自主行走，包括平地、記憶泡沫床墊和有縫隙的門墊。這項(xiàng)實(shí)驗(yàn)給未來的某些應(yīng)用帶來了可能性，有些情況可能需要機(jī)器人在沒有人類的情況下在坎坷和未知的地形中行走。

斯坦福大學(xué)助理教授切爾西·芬恩（Chelsea Finn）表示：“這項(xiàng)工作令人感到非常興奮?！?芬恩也為谷歌工作，但沒有參與這項(xiàng)研究?！白屵@個過程不再出現(xiàn)人工干預(yù)真的很難。機(jī)器人能夠更自主地學(xué)習(xí)，就更有可能在我們生活的現(xiàn)實(shí)世界中學(xué)習(xí)，而不是在實(shí)驗(yàn)室里?！?/p>

但她也提醒到，目前的設(shè)置依賴于機(jī)器人上方的動作捕捉系統(tǒng)來確定其位置。這在現(xiàn)實(shí)世界中是不可能的。

接下來，研究人員希望他們的算法能適用于不同種類的機(jī)器人，或適用于多個機(jī)器人在同一環(huán)境中同時進(jìn)行學(xué)習(xí)。譚杰相信，破解機(jī)器人的運(yùn)動能力將是解鎖更多有用機(jī)器人的關(guān)鍵。

“很多地方都是為人類建造的，我們都用腿來走路，” 他說，“如果機(jī)器人學(xué)不會使用腿，它們就不能在人類世界中行走?！?/p>