嫩嫩的程式學習紀錄 - Jim

讓機器人能自立自強的人工智慧技術

然而 Google 研究人員的下一個目標，就是如何用最少的人力、讓機器人在現實世界中可以正常運作。

儘管機械手臂的技術已經大有突破，比如同樣為 Google 研發人員設計的分散式 Q 學習演算法（QT-Opt）。但是，將相同的方法應用於四足機器人卻十分困難，因四足機器人更可能會因事故損壞自身、離開訓練區域，相較之下更需要人工干預。

▲四足機器人的自動化學習系統面臨安全性與自動化的挑戰。

首先研究人員透過多任務學習（multitask learning）生成，將機器人驅動到工作空間，以防止機器人離開訓練區域；並通過設計安全約束，將機器人跌倒的次數降到最低。

例如：若當前有兩項任務，「向前」與「向後」行走。如果機器人處在工作區的後面，調度程序將選擇「向前」任務，反之亦然。如果機器人掉落，則將調用自動起身控制器，接著進行下一個任務。

該框架成功地訓練了從無到有的策略，無需人工干預，機器人就可以朝不同的方向走，還使機器人能挑戰非平坦的地面，例如記憶泡棉床墊和鏤空的地墊。

四足機器人的未來展望

四足機器人能夠像真正的狗一樣走路，但仍然還有不足之處：由於算法和硬體的限制，它並不能完成高度動態的行為，像是大幅度的跳躍。也不比全手動設計的控制器穩定；並且絆倒後雖能重新站起來，但仍然不甚靈活。

不過即使如此，研究人員依舊十分相信，他們的方法可以促進人工智慧機器人的發展，未來更能獨立運作，足以完成現實世界中的工作，像是在多層倉庫或是訂單履行中心裡運輸物料；並表示，未來也有興趣繼續研發，將自動培訓系統應用於更複雜的現實環境中。