为了让他们的 Mini Cheetah 更好地装备以熟练地在不同的地形上爬行，麻省理工学院 CSAIL 的机器人研究人员使用人工智能驱动的模拟来快速教会机器人根据需要调整其行走方式。这包括学习如何跑步，这导致了一种新的步态，使机器人能够以前所未有的速度移动。
尽管机器人设计师努力设计和编程机器人以处理它在现实世界中可能遇到的任何情况，但这是一项不可能完成的任务。世界是无穷无尽的混乱。当简单地沿着人行道行走时，机器人可能会面临无数障碍，从光滑的人行道到光滑的冰块，再到覆盖着松散砾石的区域，再到上述所有障碍。这就是为什么双足机器人甚至四足机器人的步态通常非常缓慢和小心。它们的设计和程序设计为在遇到最坏的情况时，他们正在导航并非常小心地前进，即使在没有任何碎屑或障碍物的光滑表面上行走时也是如此。
适应性是让机器人在不同地形中更快、更自信地移动的关键;当他们发现从更安全的表面(如人行道)过渡到需要更小心和更慢的方法的松散砾石等材料时，会改变他们的步态和速度。每次遇到无法成功导航的新地形时，机器人的编程都可以手动修改和升级，但这是一个耗时的过程，每次遇到新事物时都不可避免地会使机器人陷入故障。
更好的方法是创建一个可以通过反复试验学习的机器人，当它遇到新的地形时，它会自动修改和改变它的行为和动作。这种方法的问题在于，与蹒跚学步的孩子一样，让机器人简单地狂奔以独自拥有所有这些学习经验是不安全的。机器人最有前途的用例之一是能够将具有与人类相同功能的机器发送到人类不安全的区域，而需要一个固定的保姆意味着机器人无法履行该角色。
为了跳过大多数人经历的充满随机学习经历的童年并加速迷你猎豹的发展，麻省理工学院 CSAIL 的研究人员转向人工智能和模拟。在短短三个小时的时间里，机器人在各种地形上进行了长达 100 天的虚拟冒险，并学习了无数新技术来改变其步态，因此无论发生什么情况，它仍然可以有效地从 A 点移动到 B 点。在脚下。
Mini Cheetah 可能不一定能够识别出它是松散的砾石导致它不断失去立足点或冰块导致它的脚打滑，但通过不断监测它的运动，它可以判断它何时没有尽可能有效地行走，并且根据它的腿的动作，它现在可以调整它们的动作以确保它继续前进。这些适应甚至可以补偿机器人组件由于损坏或压力过大而导致的性能或性能不佳的情况。
机器人不运行还有另一个原因，这与研究人员担心损坏可能花费数十万美元建造的定制机器无关。运行需要机器人将其各种组件(如电动机和伺服系统)推到其运行范围的极限，此时它们可以开始表现并执行不同的行为，这些行为与机器人横穿时可能发生的情况一样难以预测滑冰。但就像 Mini Cheetah 现在可以适应不同的地形一样，它也可以适应自己的组件的运作方式，从而使其运行更有效。
在高速移动时，它可能不是最优雅的观看方式，但 Mini Cheetah 达到了 3.9 m/s 的新最高速度，或略高于 14 km/h，这比普通人的奔跑速度还快。然而，新方法不仅仅是教机器人跑步。可以快速教会机器人手安全地处理他们以前从未接触过的数千种不同的物体，并且可以通过安全模拟教会自主无人机如何在恶劣天气中飞行，而不是将它们送到真实物体中通过试验和学习来学习错误。
标签：
免责声明：本文由用户上传，如有侵权请联系删除！