在一间客厅内，研究人员将油倒在塑料上，创造一个光滑的表面，或者在行进道路上堆放木板和其他障碍物，或者在机器人的背上放下重量。每一次，机器人都能恢复平衡并继续前进。在Facebook人工智能研究团队工作的加州大学伯克利分校教授Jitendra Malik说，机器人通过试验和错误，以及通过从周围环境收集的信息，学会了如何快速适应。
这个没有计算机视觉的机器人正在利用身体在不同表面的反应中学习，这个过程类似于人类的学习方式。例如，当人们从一个坚硬的表面移到沙子上时，一旦他们发现自己的脚在下沉，就会调整自己的步态。
机器人技术挑战之一在于现实世界有多种可变性。研究人员使用两种技术的组合，在计算机模拟中训练人工智能控制的机器人，在现实世界中测试之前，将机器暴露在各种表面和更残酷的条件下。该团队将这一人工智能突破称为快速电机适应，并指出这是第一个完全基于学习的系统，使腿部机器人通过探索和与世界互动，从头开始适应环境。
Facebook表示，这项人工智能的进步可以提高用于搜索和救援行动的机器人性能。这项研究还可以应用于智能城市，利用实时数据来缓解交通和其他可能阻碍居民生活质量的状况。
机器人可以被预先编程来导航一些环境，但程序员很难预测机器可能遇到的每一个障碍。教会机器人如何实时适应，也可以在更便宜的硬件上发挥作用，可能有助于在未来推动机器人本下降。根据一篇论文，支持RMA的机器人表现优于其他系统，能够在沙地、泥地、火车、高草和土堆上行走而不摔倒。这篇论文表示它在走过一堆水泥和一堆卵石的测试中，它没有摔倒的机率高达八成。
原创文章，作者：Maggie-Hunter，如若转载，请注明出处：https://blog.ytso.com/industrynews/34488.html