MIT機器狗再進化，碎石冰面上跑也不打滑，這次真的穩(wěn)如狗了
瘸腿也能撒丫子開跑
博雯 發(fā)自 凹非寺
量子位 | 公眾號 QbitAI
那群曾經集體后空翻、踢足球的MIT機器狗迷你獵豹（Mini Cheetah），瘸了？
但你別說，走得依舊挺歡快：
這可不是MIT科學家們在侵犯“機器狗權”，而是因為狗子們在新技術的加持下又進化了。
不僅壞了一條腿也能走路，之前寸步難行的碎石路更是不在話下：
還能在結冰路面轉圈撒歡兒：
不瘸的時候，速度最快能到3.9m/s，尥蹶子跑起來時，開發(fā)員只能抱著電腦在后面追得跌跌撞撞：
而上述所有的技能，最原版（也就是開源那版）的MIT機器狗僅用了3小時就完全掌握。
如此強大的學習能力到底從何而來？
3小時積累100多天奔跑經驗
首先，機器狗們的各種行為都依賴于身體里的一個專門的控制器。
工程師們會通過分析運動的物理規(guī)律，制定有效的抽象概念，再去設計并實現專門的控制器層次結構，使機器狗能夠在運行時保持平衡。
但要提前人為分析、建立所有可能的地形分析，并使機器狗快速識別對環(huán)境的變化作出反應，并不簡單。
例如，草地上的一小塊結冰面，碎石堆上突然出現的大塊凸起，都有可能使機器狗再起不能：
（所以說…不要停下來?。。?/p>
人為設計的控制器，出現問題自然也得人為分析原因，再手動調整，一來二去的時間成本就大大增加。
怎么辦呢？
MIT的科學家們表示：
讓機器狗自己學！
研究團隊開發(fā)了一種模擬環(huán)境，其中包含了多個地形，再將狗子放在其中進行訓練。
在訓練期間，他們加入了神經網絡，讓機器狗從不同地形的跑步和失敗經驗中總結規(guī)律，進而自己找出適應新地形的最好方法。
僅僅3小時，模擬世界中的迷你獵豹就積累了100天的多樣化地形奔跑經驗。
并且，團隊也為機器狗部署了一種基于端到端的傳感運動策略的控制器。
這種控制器會將關節(jié)編碼器和IMU（慣性測量單元）數據直接轉換為關節(jié)指令，沒有了額外的狀態(tài)估計或控制子系統(tǒng)，機器狗在進行敏捷或極限的動作時，便會更加得心應手。
這時的迷你獵豹，就變成了一只經驗豐富的狗子。
剛剛還被絆倒的路沿，現在已經能自信地邁過去了：
高速奔跑中也不會被地上的線絆倒：
室內轉圈的速度能達到5.7rad/s（每秒320°，近一圈）：
研究來自MIT CSAIL
這次的研究來自于MIT的計算機科學與人工智能研究院（MIT CSAIL），論文和代碼很快會公開。
一作Gabriel Margolis為MIT的一名博士生，主要研究領域是具身智能（Embodied Intelligence），即開發(fā)能與真實世界進行多模態(tài)交互的具有身體的人工智能。
共同一作Ge Yang本科畢業(yè)于耶魯大學，獲得了物理學和數學學士學位，后來在芝加哥大學獲得物理學博士學位。
現為美國國家科學基金會（NSF）的AI與基礎交互研究所（IAIFI）的一名博士后。
視頻：
https://www.youtube.com/watch?v=-BqNl3AtPVw
參考鏈接：
[1]https://sites.google.com/view/model-free-speed/
[2]https://news.mit.edu/2022/3-questions-how-mit-mini-cheetah-learns-run-fast-0317
[3]https://venturebeat.com/2022/03/17/mit-researchers-use-simulation-to-train-a-robot-to-run-at-high-speeds/
- 有道智能學習燈發(fā)布，通過“桌面學習分析引擎”實現全球最快指尖查詞2022-04-08
- 科學證明：狗勾真的懂你有多累，聽到聲音0.25秒后就知道你是誰，對人比對狗更親近2022-04-14
- 在M1芯片上跑原生Linux：編譯速度比macOS還快40%2022-04-05
- 小學生們在B站講算法，網友：我只會阿巴阿巴2022-03-28
