带防绊功能的机器人可实时适应复杂地形
机器人很难即兴应对，遇到不寻常的表面或障碍物时，通常意味着急停或猛烈摔倒。但研究人员开发出一种新型机器人运动模型，它能实时适应遇到的任何地形，在行进中改变步态，从而在遇到沙地、石块、楼梯及其他突发变化时继续前进。
尽管机器人的运动可以多样且精确，它也能学会爬楼梯并穿越崎岖地形，但这种行为更像是机器人在切换不同的专门训练技能。著名机器人如Spot，可以在受到推搡或踢击时保持平衡。
实际上，该系统只是在保持固定行走策略的同时，努力修正物理异常。已有若干自适应运动模型，但其中一些非常特定，另一些则需要较长时间才能生效，因此在它们起作用之前，机器人很可能已经摔倒。
Facebook AI、加州大学伯克利分校和卡内基梅隆大学的团队将该系统命名为Rapid Motor Adaptation。之所以开发它，是因为人和动物能够根据情况快速、高效且不自觉地改变步态。
“假设你正在学习走路，第一次走上海滩。你的脚踩下去，要拔出来就得用更大的力气。这感觉很奇怪，但走了几步之后，你就会像在硬地上一样自然地行走。秘密是什么？”
当然，如果你以前从未走过沙滩，那么此时你并没有进入某种能让你在松软表面行走的特殊“沙地模式”。你改变动作的方式是自动发生的，并不需要对外部环境有任何真正的理解。
人体会对各种物理条件作出反应，感知这些条件对身体本身造成的不同影响。RMA系统以类似的方式工作：在新条件下运动时，行走规则会在极短时间内（半秒或更短）发生改变。
该系统完全在现实世界的虚拟版本中进行模拟训练，机器人的“小脑”（所有运算都在板载的有限计算单元上本地完成）学会了以最少能量最大化前进运动并避免摔倒，它通过即时观察和响应来自加速度计及其他物理传感器的数据来实现这一点。
为了强调RMA方法的整体内在本质，马利克表示，该机器人完全不使用视觉输入。既然没有视觉的人和动物也能正常行走，机器人为什么不能呢？沙子或石块的精确摩擦系数等“外部效应”无法估算，因此它只是专注地感知自身状态。
最终，该系统由两部分组成：一个持续运行的基础算法，实际控制机器人的步态；以及一个并行运行的自适应算法，用于监测机器人内部指标的变化。当发现重大变化时，后者会进行分析，即“腿应该这样动，但它却那样动，说明情况是这样”，然后告诉基础模型如何调整。
从此刻起，机器人只考虑如何在这些新条件下向前移动，有效地即兴形成一种特殊步态。经过模拟训练后，机器人已经在现实世界中取得成功。
新闻稿写道：“在我们所有的测试中，机器人能够在沙地、泥地、人行小径和高草丛中行走，且没有一次失败。在70%的测试中，机器人成功沿人行小径走下楼梯。在80%的测试中，它成功翻越了水泥堆和鹅卵石堆，尽管在训练期间从未见过不稳定或下陷的地面、阻碍行走的植被或楼梯。它在携带12千克负载时也能高成功率地保持身高，负载相当于其自重的100%。”
马利克赞同纽约大学教授卡伦·阿道夫的研究，其工作表明人类学习走路的过程有多么容易适应、多么自由。该团队的目标是：如果你需要一个能应对任何情况的机器人，它就应当从零开始学习适应，而不是拥有大量可供选择的模式。
正如无法通过穷尽地标注和记录每个物体及其交互来打造更聪明的计算机视觉系统一样，你也无法为机器人准备好应对多样而复杂的物理世界所需的10个、100个甚至上千个特定行走参数，例如在砾石、泥土、碎石和湿木头上行走。
该系统的基础有可能不仅适用于腿式机器人，还可应用于人工智能和机器人技术的其他截然不同的领域。
此外，基础算法与自适应算法的结合也可能适用于其他智能系统。智能家居和市政系统通常依赖既有策略，但如果它们能在运行中自我适应呢？
