谷歌ai算法助力机器狗场景识别（谷歌AI发布新研究）

记者 | 佘晓晨

编辑 |

四足机器人也称机器狗，是一种模仿狗的体型的机器人。最近几年，随着机器人技术的发展，机器狗的应用已经十分常见，但想让它们和现实中的狗一样跑步仍非易事。

尽管如今的机器人已经非常聪明，但比起人造的机器人，真正的动物的能力还是高得多——机器狗很难模仿真正的狗完成跑步这样的敏捷动作。

但谷歌AI研究团队最近研究出了一个更为简单的方法，让机器狗拥有自己跑步的能力。

近日，谷歌AI和加州大学伯克利分校合作进行了一项科研项目，研究目标是找到一种自动且高效的方法，将一只狗的敏捷行为（比如轻轻小跑或者旋转）复制到四足机器人身上。

实际上，这并不是科学家第一次研究怎么让机器人自动做出动物行为。但此项目的研究人员在博客文章中指出，那些已有的培训过程通常“需要大量的专家看法，且往往包含大量冗长的奖励调整机制，从而能够得到预期的机器人技能。”

而这种方法并不能很好地适应机器人的具体情况，在这一过程中也必须要进行手动的调整，使得机器人更接近真狗的动作。即使是一个极度仿真的四足机器人，真狗的动作也不一定是机器人能够适应的，因此机器人经常会出现跌倒、被锁定等多种失败的情况。

谷歌AI的这个项目则在正常程序中添加了一些可控的混乱因素，从而解决上述问题。这个方法的第一步是捕获真狗的动作，同时仔细定位真狗的脚、关节等关键点。接着，虚拟版本的机器人（也就是模拟机器人）会尝试自动模仿狗的运动，不断学习这些动作。

这一模型的核心是强化学习方法，也就是通过奖励、激励机制完成目标的一种训练技术。参照动作生成之后，强化学习算法将通过这些参照动作训练框架策略，在模拟环境中把它们复制出来。

到这一步为止都还算顺利，但当我们使用模拟结果来控制现实的机器狗时，问题就出现了：现实世界并不是具有理想摩擦规则的二维平面，这意味着未经修正的、基于模拟环境的动作会直接引导机器人进入地面。

为了防止这种情况发生，研究人员在模拟过程使用的物理参数中引入了随机性元素，加入一些动作变量，比如使虚拟机器人的重量更大、与地面的摩擦更大等。

由此，根据模型学习走路的机器人必须考虑各种细微的差异，以及这些差异产生的复杂性，包括如何抵消它们。

学会适应随机性使这些行走动作在现实世界中更加稳定，从而让机器狗模仿狗自由奔跑，甚至更复杂的动作，例如转弯和旋转。最关键的是，完成这些动作无需人工干预，只需要一些额外的虚拟训练。

此外，研究中使用的机器狗是一家初创公司宇树科技的“莱卡狗”（ Laikago）。宇树科技是一个成立于2016年的中国机器狗公司，曾被媒体称为“中国的波士顿动力”。2019年8月，宇树科技在其官网发布了 “莱卡狗”的视频，视频显示，8辆“莱卡狗”一起拖动了一辆载人面包车。

,