過去幾十年來，工程師其實也在不斷嘗試通過基於預測性數學模型（經典控制論）的軟件，去引導機器人進行肢體活動。然而，這個方法在引導機器人肢體執行行走、攀爬和抓取不同形狀物體這類極為簡單的任務時，被證明無效。
機器人在仿真環境中即使再應對自如，進入真實的物理世界，也會如懵懂孩童般跌跌撞撞。
機器學習或能彌合仿真與現實差距
當人們已習慣機器人數十年如一日的蹣跚學步，科學家們卻突然點亮了希望。
日前，蘇黎世聯邦理工學院機器人系統實驗室團隊在《科學·機器人學》上發表最新論文，給出了新證據表明，運用數據驅動法設計的機器人軟件，有很大希望解決機器人學和人工智能研究長期面臨的巨大難題——仿真與現實之間的差距。
團隊演示的方法是將經典控制論與機器學習技術相結合。他們首先設計了一個四足機器人的傳統數學模型，並給機器人起名“ANYmal”。接下來，再從引導機器人四肢運動的致動器中收集數據，數據輸入多個人工智能神經網絡系統，從而建立了第二個模型。
這個機器學習模型，就可以自動預測“AMYmal”機器人的肢體運動。經過訓練的神經網絡，只要插入第一個模型中，就可以在電腦上仿真運行這個混合模型。
團隊發現這種利用數據驅動法設計的軟件，大大提高了機器人的運動技能——它速度更快，動作也更精准。而且先將運動策略在仿真器中優化，再轉入機器人體內在物理世界進行測試，最後機器人的表現，竟然和仿真表現一樣好。
|
