研究人員使用機器學習來教機器人如何穿越未知的地形

由澳大利亞研究人員組成的團隊設計了一種可靠的策略，用于測試類人機器人的物理能力，這些機器人在構建和設計中都類似于人體形狀。通過混合使用機器學習方法和算法，研究團隊成功地使測試機器人能夠對模擬環境中的未知變化做出有效反應，從而提高了它們在現實世界中發揮作用的幾率。

這些發現發表在7月的IEEE和中國自動化學會自動化學報的聯合出版物中，對于在醫療保健，教育，災難響應和娛樂等領域中廣泛使用類人機器人具有潛在的啟示。

通訊作者大陶濤說：“類人機器人能夠以多種方式移動，從而模仿人類的運動來完成復雜的任務。為此，它們的穩定性至關重要，特別是在動態和不可預測的條件下，”悉尼大學計算機科學學院和工程學院教授兼ARC獲獎研究員。

“我們已經設計出一種方法，可以可靠地教導類人機器人執行這些任務，”陶先生補充說，他也是UBTECH悉尼人工智能中心的就職總監。

類人機器人是類似于人的身體屬性(頭部，軀干和兩個手臂和腳)的機器人，并且具有與人和其他機器人進行通信的能力。配備了傳感器和其他輸入設備的這些機器人還根據外部輸入執行有限的活動。

它們通常針對特定活動進行了預先編程，并且依賴兩種學習方法：基于模型的學習和基于模型的學習。前者教給機器人一套可以在場景中表現的模型，而后者則沒有。盡管這兩種學習方法都在一定程度上取得了成功，但僅靠每個范式還不足以使類人機器人在環境不斷變化且經常無法預測的現實世界中發揮作用。

為了克服這個問題，Tao和他的團隊引入了一種新的學習結構，該結構結合了基于模型的學習和無模型的學習，以平衡兩足動物或兩腿機器人。所提出的控制方法彌合了兩種學習范式之間的差距，從學習模型到學習實際過程的過渡已經順利完成。仿真結果表明，該算法能夠在未知旋轉下將機器人穩定在運動平臺上。這樣，這些方法證明了機器人能夠相應地適應不同的不可預測的情況，因此可以應用于實驗室環境之外的機器人。

將來，研究人員希望在更復雜的環境中驗證其方法的有效性，這些環境將具有更多不可預測和變化的變量，并且隨著測試機器人執行全身控制的能力而具有不同的尺寸。

“我們的最終目標是了解我們的方法如何使機器人能夠控制整個身體，因為它受到不可估量的意外干擾(例如變化的地形)。我們還希望了解機器人的學習能力。在沒有事先信息的情況下模仿人類運動，例如踝關節運動。”