伯克利研究公司发表了一篇关于人形运动的新论文

结果是：人形机器人现在走遍了伯克利。

From @TheRundownAI

加州大学伯克利分校的研究团队打造了一个两条腿的机器人Cassie（凯西），它可以通过AI强化学习自己学会走路，而非直接编程或模仿来学习。

一、AI模拟训练学走路，无需婴儿般跌倒重来

双足机器人Cassie类似我们的腿部外形，因此相比其他形状的机器人更容易进入为人类设计的城市环境之中。

为帮助Cassie像人类一样学会自主行走，研究团队将这个过程想象为如婴儿学走路一般。婴儿虽然不会直接学会站立行走，但他们能通过一次次的站立、跌倒、迈步中记住步行的步骤，最终学会直立行走。

二、步态库中强化学习，让步伐更灵活稳健

研究团队基于强化学习（ Reinforcement Learning；RL）方法，希望让Cassie通过系统学习法学会更敏捷的行走。强化学习又称增强学习、评价学习，是智能体以“试错”的方式进行学习，在环境交互中达成特定目的。

在此之前，研究者往往通过机械建模控制双足机器人行走，然而这种方式难以对复杂地面进行建模，机器人缺乏适应环境变化的能力和运动稳定性。

三、AI追踪行走环境，步行速度、高度自动调

基于RL方法，研究人员建立了一种自适应调速步行控制器。

这种控制器能够通过AI追踪Cassie的步行环境，并给其适当的行走策略。

结语：AI强化学习助机器人运动更敏捷

基于步态库的参考运动，AI强化学习可以帮助两足机器人学习步行、转弯、下蹲等运动状态，跟踪其行走环境以达到自动调速、转弯等功能，让机器人在运动中更好的达到灵活性和稳健性。

未来，AI强化学习还将在此基础上，助力两足机器人及其他机器人学习更多动态、敏捷的行为，助其在复杂的未知环境下仍能应对自如。