據(jù)18日《自然·機器智能》雜志報道，為了解動物如何學會走路和從絆倒中學習，德國馬克斯·普朗克智能系統(tǒng)研究所(MPI-IS)研究人員建造了一個四足機器狗“莫蒂”，它僅僅用了一小時就學會了走路。

莫蒂充分利用了復雜的腿部力學，通過貝葉斯優(yōu)化算法指導學習：其足部傳感器信息與機器狗中運行的建模虛擬脊髓的目標數(shù)據(jù)相匹配。機器狗通過不斷比較發(fā)送的和預期的傳感器信息、運行反射循環(huán)以及調整其電機控制模式來學習行走。

在人類和動物中，中央模式發(fā)生器(CPG)是脊髓中的神經(jīng)元網(wǎng)絡，可在沒有大腦輸入的情況下產(chǎn)生周期性的肌肉收縮。CPG網(wǎng)絡有助于生成有節(jié)奏的任務，例如步行、眨眼或消化。此外，反射是由連接腿部傳感器和脊髓的硬編碼神經(jīng)通路觸發(fā)的非自愿運動控制動作。

機器狗莫蒂在大約一小時內(nèi)比動物更快地優(yōu)化其運動模式。莫蒂的CPG在控制機器狗腿部運動的小型輕量計算機上進行模擬。這個虛擬脊髓被放置在四足機器狗頭背部所在的位置。

在機器狗平穩(wěn)行走的一小時內(nèi)，來自其腳部的傳感器數(shù)據(jù)不斷與機器狗CPG預測的預期著陸進行比較。如果機器狗絆倒，學習算法會改變腿來回擺動的距離、腿擺動的速度以及腿在地面上的長度。調整后的運動也會影響機器狗利用其腿部力學的能力。

在學習過程中，CPG發(fā)送經(jīng)過調整的電機信號，以便機器狗從此減少絆倒并優(yōu)化其行走。

論文第一作者、MPI-IS動態(tài)運動研究小組的前博士生菲利克斯·魯珀特表示：“我們的機器狗實際上是‘天生’的，對它的腿部解剖結構或它們的工作原理一無所知。CPG類似于大自然提供的內(nèi)置自動行走智能，我們已將其轉移給機器狗。計算機產(chǎn)生控制腿部電機的信號，機器狗最初會走路和絆倒。數(shù)據(jù)從傳感器流回虛擬脊髓，與CPG數(shù)據(jù)進行比較，如果傳感器數(shù)據(jù)與預期數(shù)據(jù)不匹配，則學習算法會改變行走方式，直到機器狗行走良好且不會絆倒。改變CPG輸出，同時保持反射活躍并監(jiān)控機器狗絆倒是學習過程的核心部分。”(記者 張夢然)

關鍵詞： 學習算法優(yōu)化虛擬脊髓 機器智能 四足機器狗莫蒂 腿部力學