卡西不能跳舞。至少还没有。但它最近采取了第一步。在跑步之前你必须走路！

Cassie是一个亮黄色、两条腿、人类大小的机器人，它最近通过一种人工智能自学了走路加强学习．

甚至在它迈出第一步之前，来自加州大学伯克利分校的研究团队就使用了模拟技术，看看它是否准备好在这个广阔的世界首次亮相。研究人员分享了他们的工作麻省理工学院技术评论在文章中，忘记波士顿动力公司。这个机器人学会了走路。他们的研究《双足机器人鲁棒参数化运动控制的强化学习》是可用的这里．

波士顿动力学的令人印象深刻的视频使它看起来很容易

波士顿动力学一直在发布其机器人的壮观视频多年来，提高机器人移动的期望。去年年底，他们发布了一个视频跳舞的机器人现在已被观看超过3000万次。

“这些视频可能会让一些人认为这是一个很容易解决的问题，”加州大学伯克利分校的李中宇(音译)说麻省理工学院技术评论．“但要让类人机器人可靠地运行并生活在人类环境中，我们还有很长的路要走。”

强化学习

为两足机器人编写在各种环境中行走的程序所需的代码数量是惊人的。在崎岖的山路上上坡，与在光滑平坦的路面上行走相比，需要不同的控制和平衡。人行道的摩擦系数与铺有地毯的走廊不同。

健壮性和通用性是很难实现的。这就是机器人专家转向强化学习的原因。

研究人员报告说，稳定双面机器人的经典方法倾向于“缺乏适应环境变化的能力”。“然而，强化学习使机器人能够通过试验和错误来教授自己。加强学习使Cassie能够在踩下和跌跌撞撞时教授自己。

学习几乎，首先走路

由于它们的尺寸和不稳定性，两腿机器人可以很容易地绊倒和跌倒，即使是最微小的失误。因此，伯克利的团队让凯西在踏上人行道之前在虚拟环境中学习。

试错法包括错误，通常是很多错误。但是一个真正的机器人的失败可能是危险的，昂贵的，或者两者兼而有之。物理上精确的模拟环境，例如Simscape多体^TM有助于在自主算法被部署到昂贵的机器人硬件之前验证它们，这正是伯克利的研究人员所做的。就像战斗机飞行员在控制昂贵的飞机之前要在飞行模拟器中学习飞行一样，Cassie在模拟环境中学习走路。

该团队使用了两层虚拟环境。首先，一个模拟版的Cassie通过利用大量现有的机器人动作数据库来学会走路。他们将这一模拟转移到第二个虚拟环境Simscape Multibody，该环境以极高的精确度复制了真实世界的物理。

机器人学会了许多不同的运动，例如在蹲伏的位置行走，承载负荷，转动和蹲。一旦卡西证明了它的能力simscape.，学会的行走模型被加载到实际的机器人上。

“真正的Cassie能够使用在模拟中学习的模型行走，而无需任何额外的微调。它可以穿过粗糙和滑的地形，携带意想不到的货物，并从被推的状态中恢复过来。在测试中，Cassie右腿上的两个马达也损坏了，但它能够调整自己的运动来进行补偿。”

-MIT技术评论

所以，虽然你在跑之前走路是真的，但事实证明，如果你是一个机器人，它就明智地测试了你准备好在模拟中首先走路。

更多信息:

• 要查看更多关于加强学习，请查看此生物启发单腿机器人．
• 要学习在Simscape中模拟物理系统的基础知识，请参阅本文免费，两小时的介绍教程．