“这条机械脚怎么学会自行行走”

大多数机器人都需要编程来执行从煮咖啡和披萨到打法等特定的重复任务。 但是，如果机器人能够随着时间的推移改善，例如将不稳定的步伐变为自信的冲刺的幼儿，该怎么办呢？

这是南加州大学两名研究者的目标，他们构筑了三腱、两关节的机器人肢体，自学如何能经受住反复的考验。 生物医学工学教授、生物运动学和物理疗法教授francisco valero-cuevas博士说:“我们希望对大脑和身体进行逆向工程，制造出有可能出现的机器人。”

他刚刚和南加州大学维特比工程学院的博士研究生ali marjaninejad发表了关于他们工作的论文，这篇论文的封面是3月号的《自然机械智能》。 出版之前，我们和他们进行了对话。 这是我们对话的摘录和摘录。

能解释一下新机器人的肢体是怎么学习走路的吗？

之所以把这个算法从通用称为特定或g2p，是因为首先要让系统随机播放内部化的腿的常规属性，比如孩子的“学习走路”。 而且，每当完成它所赋予的任务的良好性能，我们都会给予报酬。 在这种情况下，让跑步机向前移动。 这叫做强化学习。 因为它类似于动物对积极强化的反应方法。

在实验中与我们讨论，这个实验采用的是一种叫做电机荒谬的方法。 例如，新生小马想出了尽快运行以避开捕食者的方法吗？

[上午]这个过程分为两个步骤。 首先进行对话，然后执行。 但更详细地说，这将产生感兴趣的结果。 首先，可以迅速学习足够的处理方法，如需要尽快行走的小马等。 在另一个层面上，运动的bab音与脊髓等动物训练神经系统下部的方法相似，后者直接控制肌肉。 因此，胡说八道可以建立预调整系统，然后高级控制器可以采用该系统。 例如，大脑是利用脊髓控制身体的方法。 如果把这两者结合起来，机器人就算不太好也能学会快速行走。 之后，算法将继续完全利用系统的许多复杂动力学。 像你和我一样，每次执行任务都要继续学习，提高性能。

这和现在的机器人控制器有很大不同吗？

自动取款机是。 这与今天的机器人控制方法相反，后者主要通过精确的方程式、许多复杂的计算机模拟或数千次的重复来完成任务。 自然没有时间的奢侈； 动物为了再过一天就能闹事需要快速学习。

你能知道肢体是如何制造神经网络和如何运动的吗？

[am]该算法的内部部分是将学习编码为简单的三层神经互联网的连续训练。 在胡说八道阶段，系统向电机发送随机命令，引导关节的立场。 然后，训练三层神经互联网，推测那些命令会产生给定的运动。 然后，我们开始执行任务，加强良好的行为。 尽管如此，每次执行任务时的电动机指令和关节的立场(即其经验)都被用于改善该神经网络的权重。

这个肢体也有肌腱吧？ 像人类一样吗？

“博士确实是‘法朗西斯科Valero-Cuevas’。 许多机器人系统通过直接旋转电机的电机来控制腿部和手臂的关节。 自然没有那种奢侈。 因为肌肉必须通过肌腱在很远的地方发挥作用。 因此，生物肢体的物理、力学和数学与以前传下来的机器人完全不同。 因此，我们想探索这些许多复杂解剖学的意义。 这些解剖学想让动物具有多功能性和敏捷性，让我们的机器人具有这种多样性。 我们之所以选择控制这种受生物启发的腿，只有这样，我们才能面对大脑发起运动的实际问题。