由分支制成的机器人使用深度学习走路

设计机器人是一个挑剔的过程，需要经过深思熟虑的思考和关心。通常有必要非常清楚地知道你希望你的机器人做什么以及你想要它做什么，然后你建立一个原型，发现它的一切错误，建立不同的和更好的东西，并重复，直到你耗尽时间和/或金钱。

但是机器人不一定非常复杂，只要你对他们应该做的事情的期望相应较低。在去年12月举行的NeurIPS研讨会上发表的一篇论文中，来自东京大学和优选网络的一组研究人员尝试用几种通用伺服系统和你可以在地面上找到的东西(如树枝)来构建移动机器人。

这些机器人通过深度强化学习，首先弄清楚如何走进模拟。在纸上实现的方法是拾取一些木棍，称重和3D扫描它们，模拟整个机器人，然后奖励导致最远移动的步态。还有一些手动调整，以避免可能(例如)“导致真实机器人的压力和磨损”的行为。

总的来说，这可能不是你能够在大多数应用程序中使用的那种策略，但我们可以推测这些机器人在某些方面可能会变得更加实用。能够从周围的任何东西构建移动机器人的想法(加上一些伺服器或可能是一个或两个传感器)是一个引人注目的想法，似乎你可以使用试验和物理机器人从头开始步态一些基本传感器的错误和反馈，因为我们已经在其他机器人平台上看到了类似的事情。

像这样的材料机器人不太可能像传统的机器人设计那样有能力，因此它们可能仅在特殊情况下才有用。不必担心运输结构材料会很好，因为能够使用一个通用硬件组创建必要的各种设计。用当地可用的材料建造一个机器人意味着你放在一起的任何东西都很容易修复，即使你必须教它重新移动。

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！