使用強化學習在機器人中實現類似于人的平衡控制策略

愛丁堡大學的研究人員已經開發了一種基于深度強化學習(RL)的分層框架，該框架可以獲取各種用于控制人形平衡的策略。他們的框架在arXiv上預先發表的論文中概述，并在2017年國際人形機器人國際會議上提出，其框架可以比傳統控制器執行更多的類似于人的平衡行為。

當站立或行走時，人類天生并有效地使用了許多技術來控制不足，以幫助他們保持平衡。這些措施包括腳趾傾斜和腳跟滾動，可產生更好的腳底間隙。在類人機器人中復制類似的行為可以極大地提高其運動和運動能力。

“我們的研究重點是使用深度RL解決類人機器人的動態運動，”進行這項研究的愛丁堡大學機器人與控制講師李志斌博士告訴TechXplore。“過去，運動主要是使用基于模型的常規分析方法完成的，基于模型的方法有限，因為它們需要人工和知識，并且需要高計算能力才能在線運行。”

與傳統的工程方法相比，機器學習技術所需的人力和人工調整更少，從而可以開發出更有效，更具體的控制器。使用RL的另一個優點是，這些工具的計算也可以脫機外包，從而為高尺寸控制系統(如人形機器人)提供更快的聯機性能。