那群曾经集体后空翻，踢足球的 MIT 机器狗迷你猎豹，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。在时间复杂度的提升上，对于n=100万的问题规模，部分算法的提升率比硬件或摩尔定律提升了：。
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:
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:
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，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，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的 AI 与基础交互研究所的一名博士后。
视频:
参考链接:
。郑重声明：此文内容为本网站转载企业宣传资讯，目的在于传播更多信息，与本站立场无关。仅供读者参考，并请自行核实相关内容。
