事实上，这些机器人仍旧是经由了“手动”编程的（针对特定动作或任务），它们难以应对以前从未碰着过的新障碍。

然而，一种通过试错来教机器人运动的新方法可能有助于应对新场景，就像人类学习温柔应不可预测的事宜一样。

研究职员利用了强化学习技能，帮助一个名为 Cassie 的两足机器人在不同的地形上跑 400 米，并完成立定跳远和跳高动作。
他们没有对每个动作进行明确的专项演习。

强化学习通过褒奖或惩罚人工智能（模型）来实现目标。
这种方法可以教会机器人在新的场景中进行能力的泛化并做出动作，而不是像传统方法演习出来的机器人那样不知所措。

“我们想打破机器人敏捷性的极限。
”美国加州大学伯克利分校的博士生 Zhongyu Li 说，他参与了该项目，但（论文）尚未经由同行评审。
“大目标是教机器人学会如何像人类一样做各种动态运动。
”

该团队利用仿照来演习 Cassie，这种方法大大加快了它学习的韶光，从几年缩短到几周，并使机器人能够在现实天下中完成同样的动作，而无需进一步微调。

（来源：HYBRID ROBOTICS VIA YOUTUBE）

首先，他们演习了掌握 Cassie 的神经网络，使其从头开始节制一项大略的技能，如原地跳跃、向前走或奔跑而不跌倒。
它被鼓励模拟所展示的动作，个中包括人体动作捕捉的数据和所要完成动作的演示动画。

第一阶段完成后，该团队向模型展示了新的命令，鼓励机器人利用其新的运动技能实行任务。
一旦它能闇练地在仿照环境中实行新任务，他们就会通过一种名为任务随机化的方法将演习过的任务多样化。

这使机器人对意外情形有了更多的准备。
例如，机器人能够在被绳子拉向侧面的同时保持稳定的步态。
Li 说：“我们让机器人能够利用不雅观察到的历史，迅速适应现实天下。
”

Cassie 以 2 分 34 秒的成绩完成了 400 米跑步，然后在不须要额外演习的情形下完成了 1.4 米的跳远。

接下来，研究职员将研究如何用这种技能演习配有摄像头的机器人。
美国俄勒冈州立大学打算机科学教授阿兰·芬恩（Alan Fern）补充道，这将比没有摄像头来完成动作更具寻衅性。
他帮助开拓了 Cassie 机器人，但没有参与该项目。

他说：“该领域的下一个主要进展是人形机器人，它们可以进行真正的事情，方案活动，并与物理天下进行重生涯化的互动，而不仅限于跑步和跳远。
”

支持：Ren

运营/排版：何晨龙