波士顿动力有对手了：不怕摔倒的机器狗，怎么踹都能站起来

波士顿动力的机器狗，平衡感的确很强。

可再强也有摔倒的时候。而且，它们倒下之后需要人类扶起来。

这时候，就要隆重介绍 ANYmal 机器狗。

它摔倒之后只要蹬一蹬腿，就能重新站起来了：

但这并不表示它的平衡能力弱。

毕竟，这只狗对刁钻的地形毫不畏惧：

不论是踩着浪花，还是登高远眺，都如履平地；

下雪的时候也能走楼梯。

重要的是，ANYmal 几乎不依赖人类灌输的知识。

初初来到这个世界，它不会站立不会走路：成熟的生存能力，是靠强化学习算法一点一点解锁的。

(相比之下，MIT 科技评论说，波士顿动力机器人的动作，大多是人类手动编写的。)

ANYmal 的大脑，是苏黎世联邦理工学院 (ETH Zurich) 和英特尔一同开发的，还登上了最新一期的 Science Robotics。

梦里可以，现实就可以

就像刚才提到的那样，机器狗的每一个动作，都不是人工写的：

它是在模拟器里，用强化学习算法学会的。

为什么要用模拟器？

在模拟器里，2,000 多只机器狗 (智能体) 可以一起学走路，一起应对各种刁难。

这样一来，可以轻而易举地获得大量的数据。

而有了强化学习算法，智能体可以在千万次试错中，找到技巧：

站起来

训练开始的时候，它像一只出生不久的小狗，可能是四肢的力量还弱，可能是还不懂得怎样用力。

经过 1,500 代的训练，运动策略已成熟稳健，机器狗可以从侧卧的状态毫不犹豫地正起身来。

它知道自己扑街的姿势是怎样的，就知道该用怎样的动作，让自己站起来：

更重要的是，模拟器里训练好的运动策略，不用做任何修改，就可以直接交给现实中的机器狗。

不论跌倒的时候，腿是如何被压在身下，最终都能顺利地站起来。

平衡感

当然，摔倒之后再爬起来，并不是上策。

而保持平衡，避免跌倒，也是机器狗的一项关键技能。毕竟按照惯例，有好事者会在一旁踢腿：

不用怕，这也是在模拟器里学过的。

速度速度

另外，强化学习算法还可以针对不同的奔跑速度，来训练策略。

训练之下，机器狗的秒速已经达到 1.5 米，比没用强化学习的时候快了 25%。

而单单跑得快，也是不够的。前方的路并不平坦：

障碍物

作为一只勇敢的机器狗，也该不惧路途中的任何障碍。

比如，越过障碍的同时，不要把自己摔下去：

比如，就算没有办法助跑，也要跨过 “大型” 障碍：

毕竟，ANYmal 一向是在危险的环境里接受训练的。

不管火灾还是水灾，人类越难进入的空间，越是它工作的地方。

不只是对手

或许，ANYmal 是波士顿动力当下最有力的对手了。

但这场比赛的节奏，也不一定要多么紧张。

机器人顶会 IROS 2018 的现场，ANYmal 与波士顿动力的 SpotMini 相遇了。

两只身材相仿的机器狗，与其说向对方宣战，不如说见面便是一副恩爱的样子。

还有一只娇小的莱卡狗，在一旁静静地吃着狗粮。

你看，ANYmal 俯下身去，SpotMini 轻轻地吻了它的额头：

也许，在严酷的训练之外，加入清新自然的社交活动，能让机器狗更有活力地投入下一阶段的任务吧。