卡西不能跳舞。至少现在还没有。但它最近迈出了第一步。先学会走，再学会跑!

卡西是一个亮黄色，双腿的人类大小的机器人，最近教导了一种叫做人工智能的形式强化学习。

甚至在进行第一个步骤之前，加州大学伯克利研究人员团队使用了模拟，看看它是否准备好在大型世界中首次亮相。研究人员分享了他们的工作麻省理工学院技术评论在这篇文章中,忘记波士顿动力学。这个机器人自行走路。他们的研究，加固学习BipeDal机器人的强大参数化运动控制，可用在这里。

来自波士顿动力公司的令人印象深刻的视频让它看起来很简单

波士顿动力公司(Boston Dynamics)多年来一直在发布他们的机器人的精彩视频，提高了人们对机器人动作的期望。去年年底，他们发布了视频跳舞机器人的视频现在已经被观看了3000多万次。

“这些视频可能导致一些人相信这是一个解决和容易的问题，”伯克利大学伯克利·伯克利曾告诉麻省理工学院技术评论。“但我们仍然有很长的路要走，可以在人类环境中可靠地进行人形机器人。”

加强学习

在各种环境中编写双面机器人所需的代码金额令人惊叹。在岩石路径上的上坡运动需要不同的控制和平衡，而不是在光滑的平坦表面上行走。人行道具有与地毯走廊不同的摩擦系数。

鲁棒性和多功能性很难实现。这就是机器人转向加强学习的原因。

研究人员报告称，稳定两足机器人的经典方法往往“缺乏适应环境变化的能力”。强化学习，然而，使机器人能够通过试验和错误自学。强化学习使Cassie能够在行走和跌倒时自学。

首先是学习虚拟行走

由于其尺寸和不稳定，双腿机器人可以轻松绊倒和甚至最小的误操作。因此，伯克利团队让Cassie在字面上击中路面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 multibody.^TM值在部署到昂贵的机器人硬件之前，验证自主算法是否有益于，这正是从伯克利的研究人员所做的。像战斗机飞行员一样学会在采取昂贵飞机的控制之前学会飞行飞行模拟器，Cassie学会了在模拟环境中走路。

该团队使用了两个级别的虚拟环境。首先，通过绘制广泛的现有机器人运动数据库来学习Cassie的模拟版本。它们将此模拟转移到第二个虚拟环境，Simscape Multibody，以高精度复制现实世界物理。

机器人学会了很多不同的动作，比如蹲下走路、负重、转身和蹲。一旦凯西证明了它的能力Simscape，学习的行走模型被加载到实际的机器人上。

“真正的卡西能够使用模拟中学到的模型走路，而没有任何额外的微调。它可以穿过粗糙和滑动的地形，携带意外的负荷，并从被推动中恢复。在测试期间，Cassie还在右腿中损坏了两个电机，但能够调整其措施来补偿。“

患有技术评论

所以，虽然你必须在跑之前学会走路，但事实证明，如果你是机器人，明智的做法是先在模拟中测试你是否准备好了走路。

想要查询更多的信息：

• 想要了解更多关于强化学习的信息，请查看这个生物启发独腿机器人。
• 要了解Simscape中模拟物理系统的基础知识，请查看此项免费，两个小时的入门教程。