在機器人領(lǐng)域，若想讓機器人保持站立姿態(tài)，并維持平穩(wěn)運動一直是個難題，因為這需要超高的專業(yè)知識和設(shè)計功力。盡管一些傳統(tǒng)機器人能在人工控制的情況下進行，但活動范圍仍有各種局限。

為解決這個問題，谷歌（Google） 近日與喬治亞理工學院及加州大學柏克萊分校的研究人員聯(lián)合發(fā)表論文，詳細介紹如何透過AI（人工智能）構(gòu)建自學走路的機器人，同時他們給這臺小機器人命名“Rainbow Dash”。

根據(jù)世界紀錄，嬰兒從爬行到學會走路的最快時間是6個月，而Rainbow Dash平均只需約3.5小時。具體來說，機器人使用深度強化學習，即結(jié)合深度學習和強化學習兩種不同類型的AI技術(shù)，透過深度學習，系統(tǒng)可處理和評估來自身處環(huán)境的原始輸入數(shù)據(jù)；透過強化學習，演算法可反復試驗，以學習如何執(zhí)行任務，并根據(jù)完成程度獲得獎勵和懲罰。

以往此類實驗，研究人員都會讓機器透過模擬學習真實世界環(huán)境。根據(jù)香港IDC新天域互聯(lián)的獲悉，在仿真環(huán)境中，機器人的虛擬體首先與虛擬環(huán)境互動，然后再利用演算法接收虛擬數(shù)據(jù)，直到系統(tǒng)有能力應付自如。不過，環(huán)境雖然容易建模，但通常耗時長，且現(xiàn)實充滿各種意想不到的情況。

而此次，谷歌研究團隊直接在真實環(huán)境下訓練Rainbow Dash，讓其較快適應所處環(huán)境，也能適應相似環(huán)境。Google負責人Jan Tan表示：“我們有興趣讓機器人在各種復雜的現(xiàn)實世界環(huán)境運動。不過，要設(shè)計出能靈活處理多樣性和復雜性的運動控制器十分困難。”

接下來，研究人員希望演算法能適用于不同種類的機器人，或適用多個機器人在同一個環(huán)境同時學習，以釋放機器人更多的運動能力，這也將解鎖機器人更多的能力。

編輯：hfy