據(jù)18日《自然·機器智能》雜志報道，為了解動物如何學會走路和從絆倒中學習，德國馬克斯·普朗克智能系統(tǒng)研究所(MPI-IS)研究人員建造了一個

據(jù)18日《自然·機器智能》雜志報道，為了解動物如何學會走路和從絆倒中學習，德國馬克斯·普朗克智能系統(tǒng)研究所(MPI-IS)研究人員建造了一個四足機器狗“莫蒂”，它僅僅用了一小時就學會了走路。

莫蒂充分利用了復(fù)雜的腿部力學，通過貝葉斯優(yōu)化算法指導學習:其足部傳感器信息與機器狗中運行的建模虛擬脊髓的目標數(shù)據(jù)相匹配。機器狗通過不斷比較發(fā)送的和預(yù)期的傳感器信息、運行反射循環(huán)以及調(diào)整其電機控制模式來學習行走。

在人類和動物中，中央模式發(fā)生器(CPG)是脊髓中的神經(jīng)元網(wǎng)絡(luò)，可在沒有大腦輸入的情況下產(chǎn)生周期性的肌肉收縮。其有助于生成有節(jié)奏的任務(wù)，例如步行、眨眼或消化。機器狗莫蒂在大約一小時內(nèi)比動物更快地優(yōu)化其運動模式。

在機器狗平穩(wěn)行走期間，來自其腳部的傳感器數(shù)據(jù)不斷與機器狗CPG預(yù)測的預(yù)期著陸進行比較。如果機器狗絆倒，學習算法會改變腿來回擺動的距離、腿擺動的速度以及腿在地面上的長度。調(diào)整后的運動也會影響機器狗利用其腿部力學的能力。

在學習過程中，CPG發(fā)送經(jīng)過調(diào)整的電機信號，以便機器狗從此減少絆倒并優(yōu)化其行走。

論文第一作者、MPI-IS動態(tài)運動研究小組的前博士生菲利克斯·魯珀特表示:“我們的機器狗實際上是‘天生’的，CPG類似于大自然提供的內(nèi)置自動行走智能，我們已將其轉(zhuǎn)移給機器狗。當數(shù)據(jù)從傳感器流回虛擬脊髓，與CPG數(shù)據(jù)進行比較，如果傳感器數(shù)據(jù)與預(yù)期數(shù)據(jù)不匹配，則學習算法會改變行走方式，直到機器狗行走良好且不會絆倒。”

中樞模式發(fā)生器是產(chǎn)生動物節(jié)律運動行為的生物神經(jīng)環(huán)路，是神經(jīng)振蕩器與多重反射回路系統(tǒng)集成在一起組成的一個復(fù)雜的分布式神經(jīng)網(wǎng)絡(luò)。近些年來，基于CPG的機器人運動控制成為仿生機器人領(lǐng)域新的研究熱點?？蒲腥藛T讓四足機器人在極短時間內(nèi)學會了走路，簡單理解，就是邊走邊學。它的CPG在不斷進行模擬，學習算法也不斷根據(jù)傳感器傳來的數(shù)據(jù)和模擬數(shù)據(jù)的差異進行調(diào)整。人工規(guī)劃的機器人步態(tài)太僵硬，而這種生物步態(tài)則能讓四足機器人更好適應(yīng)周圍環(huán)境。