作者：Will Douglas Heavenarchive page
翻译：陈超
校对：车前子
本文约1100字，建议阅读3分钟
本文介绍了波士顿动力公司发布的机器人Cassie如何实现自学走路的虚拟视频，以及该方法在现实生活中的困难及应用。
波士顿动力公司发布的虚拟视频让人印象深刻但是教机器人自己走路却有点儿难。
混合机器人
一双叫做Cassie的机器腿已经通过强化学习的方法被教会了走路，强化学习是一种通过试错来教AI复杂行为的训练技术。两条腿的机器人从零开始学会了一系列运动，包括蹲着行走以及携带意料之外的负重时行走。视频网址：https://youtu.be/goxCjGPQH7U
但是机器人可以随音乐跳舞吗？由于波士顿动力公司（Boston Dynamics）发布的热门视频，人们对机器人可以做什么的期待越来越高，视频展示了人形机器人Atlas单腿站立，跳过盒子，并且跳舞。这些视频累计达到了上百万的浏览量，甚至也有很多模仿视频。Atlas对运动的控制让人印象深刻，但是编舞的序列可能涉及到大量手动调参。（波士顿动力公司并未披露细节，所以很难说清楚手动调参的量级）。“这些视频可能会让一些人相信这是一个已经解决了的、很简单的问题”，加州大学伯克利分校的Zhongyu Li这样说道，Zhongyu Li与同事们是Cassie的研发者。“但是想实现机器人可靠地操作并在人类环境中生活，我们仍然有很长的路要走。”Cassie现在还不能跳舞，但是教这个真人大小的机器人自己学习走路，这已经让它更接近于能够处理大部分地形，并在绊倒或受损时恢复。虚拟的局限性：强化学习已经被用于训练机器人在虚拟环境中走路，但是将该能力移植到现实世界是很困难的。“你看到的许多虚拟代理的视频根本不是真实的，”Chelsea Finn说道，他是斯坦福大学的AI和机器人研究专家，但他并没有加入这项工作。虚拟环境中模拟的物理定律和现实生活中的物理定律有细微的差异——例如机器人的脚和地面的摩擦——可能会导致机器人无法应用它所学到的内容。对一个重量大的两腿机器人来说，即使它的移动只有小小的一步，都可能失去平衡并且跌倒。双重模拟：但是通过在现实世界试错的方法来训练一个大型机器人可能是很危险的事。为了解决这些问题，伯克利团队使用了两层的虚拟环境。首先，虚拟版本的Cassie通过在一个大的现存机器人运动数据库画出轨迹来学习走路。这种模拟之后会被移植到第二层叫做SimMechanics虚拟环境，这个环境高度准确地复刻了现实世界的物理规律——以运行速度为代价。只有Cassie走得比较好的时候，机器人习得的步行模型才会加载到真实的机器人当中。真实的Cassie能够使用在仿真过程中习得的模型走路，不需要额外调整。它可以通过粗糙和光滑的区域，携带意外的负重，并且在被推之后自我恢复过来。在测试阶段，Cassie也会损坏它右腿位置的两个发动机，但是它能够调整自己的运动来进行补偿。Finn认为这是令人激动的工作。帝国理工学院机器人学习实验室的负责人Edward Johns也同意这种观点，他说：“这是我见过的最成功的案例了，”伯克利团队希望使用他们的方法来增加Cassie的运动技能。但是并不期待很快它就能学会跳舞。陈超，北京大学应用心理硕士在读。本科曾混迹于计算机专业，后又在心理学的道路上不懈求索。越来越发现数据分析和编程已然成为了两门必修的生存技能，因此在日常生活中尽一切努力更好地去接触和了解相关知识，但前路漫漫，我仍在路上。
工作内容：需要一颗细致的心，将选取好的外文文章翻译成流畅的中文。如果你是数据科学/统计学/计算机类的留学生，或在海外从事相关工作，或对自己外语水平有信心的朋友欢迎加入翻译小组。
你能得到：定期的翻译培训提高志愿者的翻译水平，提高对于数据科学前沿的认知，海外的朋友可以和国内技术应用发展保持联系，THU数据派产学研的背景为志愿者带来好的发展机遇。
其他福利：来自于名企的数据科学工作者，北大清华以及海外等名校学生他们都将成为你在翻译小组的伙伴。
点击文末“阅读原文”加入数据派团队~
转载须知
如需转载，请在开篇显著位置注明作者和出处（转自：数据派ID：DatapiTHU），并在文章结尾放置数据派醒目二维码。有原创标识文章，请发送【文章名称-待授权公众号名称及ID】至联系邮箱，申请白名单授权并按要求编辑。
发布后请将链接反馈至联系邮箱（见下方）。未经许可的转载以及改编者，我们将依法追究其法律责任。
