美國加州大學伯克利分校、西蒙弗雷澤大學和喬治亞理工學院的聯(lián)合機器人團隊最近創(chuàng)建了一種強化學習模型，能讓四足機器人以守門員的身份高效踢足球。在arXiv上預先發(fā)表的一篇論文中介紹的該模型，通過反復試驗不斷提高了機器人的技能。
研究人員稱，通過讓四足機器人踢足球，可突破四足機器人的人工智能極限。守門員是一項有趣但具有挑戰(zhàn)性的任務，它需要機器人對快速移動的球作出反應，有時需在空中飛行，并在很短的時間內(通常在一秒鐘內)動態(tài)攔截它。
新研究的主要目標是創(chuàng)造一個四足機器人守門員，它可像人類守門員一樣在比賽中完善其技能。為此，研究人員開發(fā)了一種強化學習模型，讓該模型通過試錯而不是固定的人工設計策略來訓練機器人。
研究人員解釋說，機器人首先學習不同的運動控制策略來執(zhí)行不同的技能，例如躲避、前撲和跳躍，同時記錄機器人腳趾的隨機軌跡?；谶@些控制策略，機器人接著學習高級規(guī)劃策略，在檢測到球的位置和自身狀態(tài)后，選擇最佳技能和動作來攔截球。
經(jīng)過一系列模擬足球比賽，團隊訓練了強化學習模型。隨后他們將它學到的策略部署在麻省理工學院開發(fā)的四足機器人Mini Cheetah上，并在現(xiàn)實世界中測試了它的性能。
研究表明，強化學習框架可極大地提高Mini Cheetah作為足球守門員的能力。在真實世界測試的40次隨機射門中，機器人撲救成功率達87.5%。
研究人員稱，此項工作最酷炫的是，四足機器人Mini Cheetah能執(zhí)行跳躍和前撲等非常敏捷的運動技能，以及快速和精確的操作技能，例如在一瞬間擺動機器腿把球推開。這實際上突破了機器人領域“腿運動”的界限，表明腿也可以是一個機械手。
由于該模型可提高四足機器人的敏捷性和身體能力，因此這些機器人還可用于處理完全不同的任務，例如搜索和救援任務。也許不久的將來，四足機器人也可與人類足球運動員同場競技。(張夢然)
【總編輯圈點】
踢球和守門有多難？對某些球隊來說，確實很難，但對機器人來說，更不容易。其實，大多數(shù)人類做起來流暢自如、渾然天成的運動動作，對機器人來說都可能是技術上的重大障礙。這就是“算法”與“天然”之間的鴻溝?，F(xiàn)在，工程師們嘗試用機器學習跨越這道鴻溝，不是預先編好程序，而是讓人工智能在練習和試錯中，逐漸掌握動作。最終，連機器人都成了不錯的守門員。（科技日報）
（責任編輯：蔡文斌）
晉公網(wǎng)安備 14090202000008號 
