MIT 机器狗再进化：碎石冰面上跑也不打滑，这次真的稳如狗了

那群曾经集体后空翻、踢足球的 MIT 机器狗迷你猎豹（Mini Cheetah），瘸了？但你别说，走得依旧挺欢快：

这可不是 MIT 科学家们在侵犯“机器狗权”，而是因为狗子们在新技术的加持下又进化了。不仅坏了一条腿也能走路，之前寸步难行的碎石路更是不在话下：

还能在结冰路面转圈撒欢儿：

不瘸的时候，速度最快能到 3.9m / s，尥蹶子跑起来时，开发员只能抱着电脑在后面追得跌跌撞撞：

而上述所有的技能，最原版（也就是开源那版）的 MIT 机器狗仅用了 3 小时就完全掌握。如此强大的学习能力到底从何而来？

3 小时积累 100 多天奔跑经验

首先，机器狗们的各种行为都依赖于身体里的一个专门的控制器。

工程师们会通过分析运动的物理规律，制定有效的抽象概念，再去设计并实现专门的控制器层次结构，使机器狗能够在运行时保持平衡。

但要提前人为分析、建立所有可能的地形分析，并使机器狗快速识别对环境的变化作出反应，并不简单。例如，草地上的一小块结冰面，碎石堆上突然出现的大块凸起，都有可能使机器狗再起不能：

（所以说… 不要停下来啊！）

人为设计的控制器，出现问题自然也得人为分析原因，再手动调整，一来二去的时间成本就大大增加。怎么办呢？

MIT 的科学家们表示：

让机器狗自己学！

研究团队开发了一种模拟环境，其中包含了多个地形，再将狗子放在其中进行训练。在训练期间，他们加入了神经网络，让机器狗从不同地形的跑步和失败经验中总结规律，进而自己找出适应新地形的最好方法。

仅仅 3 小时，模拟世界中的迷你猎豹就积累了 100 天的多样化地形奔跑经验。并且，团队也为机器狗部署了一种基于端到端的传感运动策略的控制器。

这种控制器会将关节编码器和 IMU（惯性测量单元）数据直接转换为关节指令，没有了额外的状态估计或控制子系统，机器狗在进行敏捷或极限的动作时，便会更加得心应手。

这时的迷你猎豹，就变成了一只经验丰富的狗子。刚刚还被绊倒的路沿，现在已经能自信地迈过去了：

高速奔跑中也不会被地上的线绊倒：

室内转圈的速度能达到 5.7rad / s（每秒 320°，近一圈）：

研究来自 MIT CSAIL

这次的研究来自于 MIT 的计算机科学与人工智能研究院（MIT CSAIL），论文和代码很快会公开。

一作 Gabriel Margolis 为 MIT 的一名博士生，主要研究领域是具身智能（Embodied Intelligence），即开发能与真实世界进行多模态交互的具有身体的人工智能。

共同一作 Ge Yang 本科毕业于耶鲁大学，获得了物理学和数学学士学位，后来在芝加哥大学获得物理学博士学位。

现为美国国家科学基金会（NSF）的 AI 与基础交互研究所（IAIFI）的一名博士后。

视频：

https://www.youtube.com/watch?v=-BqNl3AtPVw

参考链接：

[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/

广告声明：文内含有的对外跳转链接（包括不限于超链接、二维码、口令等形式），用于传递更多信息，节省甄选时间，结果仅供参考，IT之家所有文章均包含本声明。