研究人员使用机器学习来教机器人如何穿越未知的地形

由澳大利亚研究人员组成的团队设计了一种可靠的策略，用于测试类人机器人的物理能力，这些机器人在构建和设计中都类似于人体形状。通过混合使用机器学习方法和算法，研究团队成功地使测试机器人能够对模拟环境中的未知变化做出有效反应，从而提高了它们在现实世界中发挥作用的几率。

这些发现发表在7月的IEEE和中国自动化学会自动化学报的联合出版物中，对于在医疗保健，教育，灾难响应和娱乐等领域中广泛使用类人机器人具有潜在的启示。

通讯作者大陶涛说：“类人机器人能够以多种方式移动，从而模仿人类的运动来完成复杂的任务。为此，它们的稳定性至关重要，特别是在动态和不可预测的条件下，”悉尼大学计算机科学学院和工程学院教授兼ARC获奖研究员。

“我们已经设计出一种方法，可以可靠地教导类人机器人执行这些任务，”陶先生补充说，他也是UBTECH悉尼人工智能中心的就职总监。

类人机器人是类似于人的身体属性(头部，躯干和两个手臂和脚)的机器人，并且具有与人和其他机器人进行通信的能力。配备了传感器和其他输入设备的这些机器人还根据外部输入执行有限的活动。

它们通常针对特定活动进行了预先编程，并且依赖两种学习方法：基于模型的学习和基于模型的学习。前者教给机器人一套可以在场景中表现的模型，而后者则没有。尽管这两种学习方法都在一定程度上取得了成功，但仅靠每个范式还不足以使类人机器人在环境不断变化且经常无法预测的现实世界中发挥作用。

为了克服这个问题，Tao和他的团队引入了一种新的学习结构，该结构结合了基于模型的学习和无模型的学习，以平衡两足动物或两腿机器人。所提出的控制方法弥合了两种学习范式之间的差距，从学习模型到学习实际过程的过渡已经顺利完成。仿真结果表明，该算法能够在未知旋转下将机器人稳定在运动平台上。这样，这些方法证明了机器人能够相应地适应不同的不可预测的情况，因此可以应用于实验室环境之外的机器人。

将来，研究人员希望在更复杂的环境中验证其方法的有效性，这些环境将具有更多不可预测和变化的变量，并且随着测试机器人执行全身控制的能力而具有不同的尺寸。

“我们的最终目标是了解我们的方法如何使机器人能够控制整个身体，因为它受到不可估量的意外干扰(例如变化的地形)。我们还希望了解机器人的学习能力。在没有事先信息的情况下模仿人类运动，例如踝关节运动。”