谷歌研究人员开发了一个人工智能系统，从动物的运动中学习，使机器人更灵活，本周发表的一篇预印论文和博客文章显示。合著者认为，他们的方法可以促进机器人的发展，这些机器人可以在现实世界中完成任务，例如在多层仓库和配送中心之间运输材料。
团队的框架采用动物的运动捕捉剪辑（在本例中为狗），并使用强化学习，一种通过奖励激励软件代理完成目标的培训技术，以训练控制策略。他们说，为系统提供不同的参考动作，研究人员能够"教"一个四条腿的Unitree Laikago机器人执行一系列行为，从快速行走（时速可达2.6英里）到跳跃和转弯。

为了验证他们的方法，研究人员首先编制了一组真实狗执行各种技能。（训练主要在物理模拟中进行，以便可以密切跟踪参考运动的姿势。然后，通过使用奖励函数中的不同动作（描述特工如何做），研究人员用大约2亿个样本训练了模拟机器人来模仿运动技能。

但模拟器通常只提供现实世界的粗略近似值。为了解决这个问题，研究人员采用了一种自适应技术，在模拟中随机化了动力学，例如改变物理量，如机器人的质量与摩擦。这些值使用编码器映射到数字表示（即编码），该表示作为输入传递给机器人控制策略。当将策略部署到真正的机器人时，研究人员删除了编码器，并直接搜索了一组变量，使机器人能够成功执行技能。
研究小组说，他们能够在大约50次试验中使用不到8分钟的真实数据来适应现实世界。此外，他们还证明，现实世界中的机器人学会了模仿狗的各种动作，包括起搏和小跑，以及艺术家动画的关键帧动作，如动态跳跃转弯。

"我们表明，通过利用参考运动数据，一种基于学习的方法能够自动合成控制器，为腿机器人的各种行为进行合成，"论文的合著者写道。通过将示例高效域适应技术纳入培训过程，我们的系统能够学习仿真中的自适应策略，然后快速适应实际部署。
控制策略并不完美 - 由于算法和硬件的限制，它不能学习高度动态的行为，如大跳和运行，它不如最好的手动设计的控制器稳定。（在5集中，每种方法共15次试验，实际机器人平均在6秒后，在起搏;5秒后，向后小跑;9秒旋转;10秒，跳跃转弯。研究人员将工作留给将来改进控制器的鲁棒性，并开发框架，这些框架可以从其他运动数据来源（如视频剪辑）中学习。