四足机器人“自学”成出色守门员扑救球成功率近百分之九十

加州大学伯克利分校，西蒙·弗雷泽大学和佐治亚理工学院的联合机器人团队最近创建了一个强化学习模型，该模型使四足机器人能够作为守门员高效地踢足球arXiv上一篇预先发表的论文中介绍的模型通过反复实验不断提高了机器人的技能

研究人员表示，通过让四足机器人踢足球，可以突破四足机器人的人工智能极限守门员是一项有趣但具有挑战性的任务，它需要机器人对一个快速移动的球做出反应，有时会在空中飞行，并在短时间内动态拦截

新研究的主要目标是创造一个四条腿的机器人守门员，它可以像人类守门员一样提高比赛技能为此，研究人员开发了一种强化学习模型，可以通过试错来训练机器人，而不是固定的人工设计策略

研究人员解释说，机器人首先学习不同的运动控制策略来执行不同的技能，如躲避，向前扑翼和跳跃，同时记录机器人脚趾的随机轨迹基于这些控制策略，机器人然后学习高级规划策略在检测到球的位置和状态后，它选择最佳的技巧和动作来拦截球

在一系列模拟足球比赛之后，团队训练了强化学习模型然后他们将学到的策略部署在迷你猎豹上，这是一种由麻省理工学院开发的四足机器人，并在现实世界中测试其性能

研究表明，加强学习框架可以大大提高迷你猎豹作为守门员的能力在40次随机拍摄的真实世界测试中，机器人扑救成功率为87.5%

根据研究人员的说法，这项工作最酷的地方在于，迷你猎豹这种四足机器人可以执行跳跃和冲刺等非常敏捷的运动技能，以及快速准确的操作技能，例如摆动机器人的腿，在瞬间将球推开这实际上突破了机器人领域腿运动的界限，表明腿也可以是机械手

因为这种模型可以提高四足机器人的敏捷性和身体能力，所以这些机器人也可以用于处理完全不同的任务，例如搜索和救援任务也许在不久的将来，四足机器人可以与人类足球运动员比赛

踢足球守球门有多难对于一些团队来说，确实很难，但是对于机器人来说，就更难了事实上，人类的大多数动作，这些动作都很流畅和自然，可能是机器人的一大技术障碍这就是算法和自然的差距现在，工程师们试图使用机器学习来弥合这一差距他们不是提前编程，而是通过实践和试错，让人工智能逐渐掌握动作最后，甚至机器人也成了优秀的守门员