一个小时，这只机械狗“自学”会了走路！

CSDN编者按】机器狗的革命性进步已经在美国加州大学伯克利分校的研究人员手中实现。这款机器狗摒弃了在计算机模拟仿真中的训练方式，转而直接在现实世界中运用人工智能大脑进行学习。令人惊叹的是，它在一小时内就实现了从步履蹒跚到行动自如的惊人转变。即使被推倒，它也能迅速翻身站立起来，展现出惊人的适应性和稳定性。

探索原文链接： ，感受这一前沿科技的魅力。值得注意的是，本文是由CSDN翻译，转载时请注明出处，尊重知识产权。作者：Jason Dorrier

译者：陈甜静

责编：屠敏

出品：CSDN（ID：CSDNnews）

中心标题：自学走路的机器狗——丹尼尔·哈夫纳的创新之作

在自然界中，哺乳动物出生后都会经历一个跌宕起伏的初学阶段。从初次尝试爬行到跌跌撞撞地行走，再到熟练地使用四肢进行跳跃等动作，这是一个令人惊叹的过程。在科技领域，有一种机器狗成功地模拟了这一自然过程，自学翻身和走路，令人瞩目。

这款机器狗由加州大学伯克利分校的丹尼尔·哈夫纳（Danijar Hafner）和他的团队研发。不同于传统机器狗依靠预设程序执行任务，这款机器狗拥有独特的自学能力。它没有固定的编程指令，完全依靠自身的感知和学习能力，实现了翻身的动态平衡以及稳定行走。

这一过程与自然界中的动物非常相似。动物们通过不断尝试和失败来掌握技能，而这款机器狗也是通过不断的实践和探索，逐渐学会了这些基本动作。这种自学习、自适应的能力使得机器狗在未来的应用领域中具有巨大的潜力。

（图源：Danijar Hafner / YouTube）

这只机器狗初时仰卧在地，双腿奋力摆动，挣扎着想要翻身。经过坚持不懈的尝试，它在十分钟内成功翻身俯卧，开始探索新的动作。二十分钟时，它试图站立，虽然有些摇摇晃晃，但已显露出进步的迹象。到了三十分钟，它已成功站立，尽管步伐略显踉跄。一个小时后，它已经能熟练地控制四肢，稳健地前行。

我们使用一卷纸板作为路障，以观察机器狗在面临挑战时的表现。令人惊喜的是，仅仅十分钟后，机器狗就掌握了在障碍物前翻身站立的技巧，继续前行。它的每一步都充满了探索与成长，每一次尝试都彰显了它的决心与毅力。这个精彩的过程充分展示了机器狗的智能与适应力，让人不禁对其未来的表现充满期待。图源：Danijar Hafner / YouTube】

当我们谈论机器人学习走路时，这并非初次尝试。过去，机器人通过无数次模拟迭代中的反复试验来学习行走，但这次的机器狗却是在现实世界中完成的这一壮举。不得不说，这是一个巨大的跨越。

图源再次呈现：Danijar Hafner / YouTube】

近期，在arXiv上发表的一篇论文中，研究者Danijar Hafner、Alejandro Escontrela和Philipp Wu揭示了将模拟中学到的算法直接应用到现实世界中的挑战。他们指出，将模拟环境的学习成果转移到现实并非一件简单的事情。这款机器狗的成功，不仅仅是因为它拥有了人工智能这一强大的工具，更是因为研究者在模拟与现实之间的桥梁建设上取得了突破。现实世界与模拟世界的微妙差异，常常令初出茅庐的机器人步履蹒跚。它们在这些细微的鸿沟面前，如同面对一道难以逾越的屏障。实际上，在现实世界中直接训练算法并非明智之举，因为这不仅耗时耗力，而且还会对机器人造成不必要的磨损。

说到机器人的灵巧操作，Dactyl机械手堪称翘楚。早在四年前，OpenAI便展示了一款人工智能机械手，它不仅能够轻松操控立方体，更能在无需过多时间的情况下单手解开魔方。这款机械手的出色表现，得益于机器自主学习和特定的编码技术。

通过采用被称为强化学习的AI算法，Dactyl机械手得以在反复的尝试与实践中逐步精进技能。纯粹的强化学习需要大量的实练，这在现实世界中显然是不切实际的。尽管如此，Dactyl机械手依然展现出了强大的潜力，令人对机器人的未来充满期待。其表现不仅令人瞩目，更开启了人工智能在机器人操作领域的新篇章。图源：YouTube

聚焦一下焦点，这里要介绍的便是大名鼎鼎的Dreamer算法。这个由伯克利团队精心研发的算法，可谓是机器人技术的一大突破。Dreamer算法的核心在于构建了一个“世界模型”，这个模型能够预测未来行动达成目标的概率。随着机器人经验的不断累积，这个模型的预测能力会逐渐增强，为你过滤掉那些不奏效的动作，让机器人更快找到达成目标的有效路径。

研究团队表示，借助过去的经验来构建世界模型，让机器人有了“预见未来”的能力，能够想象出潜在行动的未来结果。这意味着什么？简单来说，就是机器人可以在模拟环境中快速试错、学习，并将模拟中相当于数年的训练时间压缩到现实世界的短短一小时内。这样，机器人就能更高效地进行任务执行，减少不必要的试错成本，提升工作效率。Dreamer算法无疑是机器人技术迈向智能化、高效化的一大步。该团队成功地将Dreamer算法应用于机械臂和轮式机器人，展现了其强大的应用能力。在这些机器人的技能学习过程中，无需模拟时间，Dreamer算法就能让它们迅速掌握相关技能。未来，这一技术还可能应用于自动驾驶汽车领域，为智能化出行带来更多可能性。

目前仍存在一些挑战需要解决。虽然强化学习能够自动化机器人的复杂手动编码过程，但工程师仍然需要定义机器人的目标和成功的要素。在现实环境中，这是一项既耗时又复杂的任务。长时间的硬件学习也可能导致机器人磨损，可能需要人类进行干预或修复。为了克服这些问题，研究人员认为将模拟器训练与现实世界学习相结合可能会是一个有效的解决方案。

尽管存在挑战，但Dreamer算法仍被看作是机器人技术中的一大突破。俄勒冈州立大学的机器人学教授乔纳森·赫斯特表示，强化学习将成为机器人控制未来的基石工具。该算法的应用将机器人技术推向了新的高度。

该团队的机器狗项目也备受关注。哈夫纳表示，未来如果能够教会机器狗理解语音指令，将大大提高其实用性。团队还计划将摄像头与机器狗连接起来，赋予其视觉能力。这样，机器狗就能像真实的小狗一样，帮助人们在房间里寻找物品，为人们的生活带来更多便利。在90年代，索尼推出了一款独特的宠物机械狗——AIBO，它以其先进的技术和创新的设计赢得了众多粉丝的喜爱。由于种种原因，这款机械狗一度停产。经过长达12年的沉寂，索尼再次带来了全新的AIBO。这款机械狗由4000个零件构成，配备了22个执行器和多个传感器、相机等功能，使其更加逼真地模拟了真实狗狗的行为和表现。

图源：索尼官网

随着时间的推移，我们不禁思考：未来的机械狗将会如何发展？未来，通过应用Dreamer算法，机器狗将能够自学技能，更加智能化和自主化。它们或许将更加接近真实的狗狗，拥有更为丰富的情感和反应。想象一下，未来你可能会拥有一只无需洗澡、无需清理粪便的机器狗，它将为你带来无尽的欢乐和陪伴。

这款全新的AIBO机械狗不仅仅是一个玩具或科技产品，它更是未来科技与生活的完美结合。它的发展将为我们带来更多的可能性，让我们重新思考人与机器之间的关系。未来，机器狗或许将成为我们生活中不可或缺的伙伴，与我们共同度过每一个美好的时刻。