這個機器人只需要2小時就能學會自己走路

在Google最近進行的一項研究中，工程師試圖使用人工智慧（AI）模型作為基礎來創建一個四足機器人，它可以學習如何極其自然地移動，而不需要人類太多的幫助，例如前進、向後、左轉和右轉。此外，它還可以學習如何在三種不同類型的地形上準確移動，包括平坦的地面、軟墊和有間隙的門墊。

這聽起來可能很簡單，但實際上，如果沒有人工智慧的幫助，設計能夠處理如此多樣化和複雜的導航命令的機器人控制器是非常困難的，特別是在不同類型的地形上。關鍵問題是機器人可以自學並適應多種情況，而不是每一步都需要人工幹預。

該計畫中使用的人工智慧技術被稱為“深度強化學習”，這是一種受學習心理學啟發而建立的基於深度學習技術的方法。en以及“通過嘗試學習”和“通過錯誤學習”。深度強化學習的力量於 2013 年首次證明，當時 DeepMind 發布了一個 AI 模型，該模型可以在沒有任何指令的情況下學習如何玩經典的 Atari 遊戲。

機器人研究人員也經使用視訊遊戲，或至少模擬遊戲來訓練他們的人工智慧模型。它創造了一個很好的理論環境，讓研究人員在進入現實世界之前在虛擬世界中訓練他們的機器人，幫助機器人識別並記住它在學習如何執行特定任務時所經歷的情況。

此外，Google研究人員也正在推動改進演算法的開發，讓他們的機器人能夠透過更少的試驗更快地學習。

機器人在 2 小時內學會自己行走的事實可能並不令人震驚，但與工程師必須專門編程每個操作相比，它顯示出明顯的效率差異。機器人的操作方式是手動且極其被動的，例如前。然而，谷歌團隊遇到的困難也是巨大的。

「雖然許多無監督學習或深度強化學習演算法已經在模擬中得到了證明，但將它們應用於現實世界實驗中的機器人並不簡單。首先，深度強化學習需要大量的輸入訓練數據，收集機器人數據也非常昂貴。其次，訓練過程需要花費大量時間監控機器人。如果我們需要一個人來監控機器人並在每次絆倒時手動重置它（數百或數千次），則需要花費大量的精力和時間來訓練機器人。花費的時間越長，在許多不同環境中擴展機器人學習的難度就越大。」該計畫的主要工程師之一譚傑說。

未來，這項研究可以幫助創造更敏捷的機器人，能夠更快地適應不同類型的地形。應用潛力巨大，但該專案僅處於開發的早期階段，仍有許多挑戰需要克服。