麻省理工學院（MIT）的一組研究人員發(fā)明了一種計算機算法，幫助這種人工智能機器人使其速度最大化，從而打破了MIT之前機器人的前行速度記錄。而實驗的這款迷你獵豹（類似機器狗）可以自行旋轉一圈，或者在冰上、松散的礫石和斜坡上飛奔。
考慮到機器人硬件，機器人能跑多快?麻省理工學院(MIT)人工智能研究員普爾基特 阿格拉瓦爾(Pulkit Agrawal)表示。他是構思該項目的“不可思議人工智能實驗室”(Improbable AI Lab)的負責人。“我們想讓機器人解除任意障礙而不被奔跑的時候受到影響。”
以前的頂尖機器人跑者只能在有限的情況下跑得快。他們在室內(nèi)跑步機上表現(xiàn)最好，但在現(xiàn)實世界中穿越不平坦的地形時就會受到影響。相反地，能夠穿越任何地形的機器人通常行動遲緩，因為它們的速度沒有得到優(yōu)化;
傳統(tǒng)上，為一個快速移動的機器人編程時需要工程師預先計算出環(huán)境中所有可能造成阻力的變量，比如摩擦力和障礙物等。然后，他們必須為每一個可能的故障輸入所有的命令，并分析機器人之前所犯的錯誤。在這個過程中，機器人要進行許多真實世界的試驗，因為工程師無法事先對所有設置中的所有未知因素做出解釋。
麻省理工學院的研究人員的解決方案是使用強化學習，一種目標驅動的機器學習形式，來幫助像迷你獵豹這樣的機器人弄清楚如何自己達到最高速度。首先，該團隊在計算機中模擬了現(xiàn)實世界的所有潛在場景。然后，在部署之前，他們對“迷你獵豹”的軟件進行這些虛擬模擬訓練。在這個數(shù)據(jù)集的基礎上，沒有任何編程限制，能夠創(chuàng)建自己的標志性的短跑風格，這是人類無法想象的。(這也許可以解釋為什么它的運動在我們看來很不自然)。此外，它還可以實時修改自己的步態(tài)，以適應其路線的條件。
多虧了這個機器學習軟件，“迷你獵豹”的室內(nèi)速度峰值從訓練前的3.7米/秒提高到訓練后的4米/秒。當它在戶外穿越陌生的地形時，它或多或少保持著這種速度。它絆倒時可以自行爬起。即使它的腿斷了，它也能找到辦法以最快的速度蹣跚前行。算法提高了“迷你獵豹”敏捷性和響應能力的硬件增強包括視覺等感官元素，這樣機器人可以在跳躍前仔細觀察，并在發(fā)現(xiàn)前方有障礙時提前改變跑步行為。這可能會讓迷你獵豹在充滿挑戰(zhàn)的地形上保持敏捷。
根據(jù)研究者稱：該算法可以應用到任何機器人上，并且在不久將該算法進行開源，讓所有的機器人能使用上，但是需要自身的硬件支持。比如實驗的“迷你獵豹”工程師就換了個更大馬力的馬達。
