谷歌AI研究使机器狗更轻松地完成小跑等动作

　　尽管机器狗的能力很强，但它们往往无法与真实的动物相媲美。这部分原因在于，要直接从狗狗身上学习如何像它们一样走路是很难的--但来自谷歌人工智能实验室的这项研究却让它变得简单得多。谷歌团队与加州大学伯克利分校合作，目的是找到一种方法，使四足机器狗能够像真正的狗狗一样进行轻盈小跑等 "敏捷行为 "。正如研究人员在博文中指出，既定的训练过程往往 "需要大量的专家洞察力，而且往往需要对每一个期望的技能进行冗长的奖励调整过程。"

　　狗狗的动作方式可能与机器狗的动作方式并不完全一致，导致后者倒下、锁定或其他方面的失败。而谷歌的 AI 项目就解决了这个问题，在正常的秩序中加入了一点可控的混乱。通常情况下，狗的动作会被捕捉到，并对脚和关节等关键点进行仔细追踪。在数字模拟中，这些点会被模拟成机器狗的样子，虚拟版的机器狗会尝试用自己的动作模仿狗的动作，边学边做。

　　尽管研究人员取得了不错的效果，但当试图用模拟的结果来控制一个实际的机器狗时仍会出现问题。真实世界不是一个二维平面，没有理想化的摩擦力规则之类的东西。不幸的是，这意味着未经修正的模拟步态往往会让机器狗直接摔到地面上。

　　为了防止这种情况的发生，研究人员在模拟中使用的物理参数中引入了随机性元素，使虚拟机器狗的重量更重，或者电机更弱，或者与地面的摩擦力更大。这使得描述如何行走的机器学习模型必须考虑到各种小的变异，以及如何抵消它们。

　　通过学习来适应这种随机性，使得学习后的行走方法在现实世界中更加稳健，从而可以通过模仿目标狗的行走方式，甚至可以模仿出更复杂的动作，比如转弯和旋转，而不需要任何人工干预，只需要进行一点额外的虚拟训练。当然，如果需要的话，还可以加入手动调整，但就目前的情况来看，这比起以前完全自动完成的动作，还是有很大的进步。

　　在同一篇文章中描述的另一个研究项目中，另一组研究人员描述了一个机器狗可以自行行走，但被植入了避免在指定区域外行走，并在跌倒时自行爬起的能力。有了这些基本技能的烘托，机器狗能够在没有人类干预的情况下，在训练区域内不断地在完善，学习到了相当令人印象深刻的运动技能。