本文經AI新媒體量子位（公眾號ID:QbitAI）授權轉載，轉載請聯系出處。

那群曾經集體后空翻、踢足球的MIT機器狗迷你獵豹（Mini Cheetah），瘸了？

但你別說，走得依舊挺歡快：

這可不是MIT科學家們在侵犯“機器狗權”，而是因為狗子們在新技術的加持下又進化了。

不僅壞了一條腿也能走路，之前寸步難行的碎石路更是不在話下：

還能在結冰路面轉圈撒歡兒：

不瘸的時候，速度最快能到3.9m/s，尥蹶子跑起來時，開發員只能抱著電腦在后面追得跌跌撞撞：

而上述所有的技能，最原版（也就是開源那版）的MIT機器狗僅用了3小時就完全掌握。

如此強大的學習能力到底從何而來？

3小時積累100多天奔跑經驗

首先，機器狗們的各種行為都依賴于身體里的一個專門的控制器。

工程師們會通過分析運動的物理規律，制定有效的抽象概念，再去設計并實現專門的控制器層次結構，使機器狗能夠在運行時保持平衡。

但要提前人為分析、建立所有可能的地形分析，并使機器狗快速識別對環境的變化作出反應，并不簡單。

例如，草地上的一小塊結冰面，碎石堆上突然出現的大塊凸起，都有可能使機器狗再起不能：

（所以說…不要停下來啊！）

人為設計的控制器，出現問題自然也得人為分析原因，再手動調整，一來二去的時間成本就大大增加。

怎么辦呢？

MIT的科學家們表示：

讓機器狗自己學！

研究團隊開發了一種模擬環境，其中包含了多個地形，再將狗子放在其中進行訓練。

在訓練期間，他們加入了神經網絡，讓機器狗從不同地形的跑步和失敗經驗中總結規律，進而自己找出適應新地形的最好方法。

僅僅3小時，模擬世界中的迷你獵豹就積累了100天的多樣化地形奔跑經驗。

并且，團隊也為機器狗部署了一種基于端到端的傳感運動策略的控制器。

這種控制器會將關節編碼器和IMU（慣性測量單元）數據直接轉換為關節指令，沒有了額外的狀態估計或控制子系統，機器狗在進行敏捷或極限的動作時，便會更加得心應手。

這時的迷你獵豹，就變成了一只經驗豐富的狗子。

剛剛還被絆倒的路沿，現在已經能自信地邁過去了：

高速奔跑中也不會被地上的線絆倒：

室內轉圈的速度能達到5.7rad/s（每秒320°，近一圈）：

研究來自MIT CSAIL

這次的研究來自于MIT的計算機科學與人工智能研究院（MIT CSAIL），論文和代碼很快會公開。

一作Gabriel Margolis為MIT的一名博士生，主要研究領域是具身智能（Embodied Intelligence），即開發能與真實世界進行多模態交互的具有身體的人工智能。

共同一作Ge Yang本科畢業于耶魯大學，獲得了物理學和數學學士學位，后來在芝加哥大學獲得物理學博士學位。

現為美國國家科學基金會（NSF）的AI與基礎交互研究所（IAIFI）的一名博士后。

視頻：

https://www.youtube.com/watch?v=-BqNl3AtPVw