蹒（pán）跚学步的孩（hái）童，学会了跌倒后如何（hé）站起来，慢（màn）慢感受平衡，最终学会用双腿走路，这个过程很大（dà）程（chéng）度上（shàng）是通过反复（fù）试验学会的。但是，波士顿动力公（gōng）司的Spot和Atlas等机器人（rén）并不是这样的，他们被精心（xīn）编码处理特（tè）定的任务，结果可能会非常（cháng）好，但（dàn）是在软件编（biān）程没有设计到情（qíng）况下，机器人可能就会无所适从。据国外媒体1月6日消息，来自中（zhōng）国（guó）浙江大学和英国爱丁堡大（dà）学的一个联合研究小组称，他们开（kāi）发出了（le）更好（hǎo）的（de）方式来解（jiě）决这样的问题。

  在最（zuì）近发表在（zài）《科（kē）学机器人》杂（zá）志上的一篇论文中，联合研究小组详细（xì）介绍了一（yī）种人工智能（néng）强（qiáng）化方法，他们用这（zhè）种方法让（ràng）自己的机（jī）器狗“绝影”学会如何走路和自主从跌倒中恢复过来。该团队表示（shì），他们（men）首先在模拟环境中通过软件（jiàn）训练虚拟机器（qì）人。这个软件由八名经过培训以掌（zhǎng）握特定技能的AI“专家”组成，例如，一个“专家”训练机器人（rén）流利的行走，而另一个训练机（jī）器人如（rú）何保持平衡。每次虚拟机器人成功完成一项任务时，团队都会以（yǐ）虚（xū）拟（nǐ）积（jī）分奖励它。这个过程听（tīng）起来（lái）与（yǔ）Google最近（jìn）用来训练MuZero算（suàn）法（fǎ）的方（fāng）法相同（tóng）。

  当八种专项技能培训（xùn）完成后，研究团队（duì）开发了一（yī）个额外的神（shén）经（jīng）网络，有些类似（sì）于运动队（duì）伍中的总教练管理，它将管理其他八种专项技能，在特定的情况下，还（hái）会根据需要对一种或者多种技能进行优先排序。最后，研（yán）究团队（duì）会将软件（jiàn）移植到原型机器人上进行实际（jì）测试。

  他们研（yán）究的目标是创造更（gèng）加智能化的（de）机器人（rén），这种机器人能够在行进中更加灵活地根据实（shí）际情况自适应选择技能，以便于（yú）处（chù）理未经训练（liàn）过的任务（wù）内容。目前，该团队面临的挑战之一是（shì）如（rú）何减（jiǎn）少模拟机器人训练所需要的（de）计（jì）算力，这样研究才（cái）更具有实用性价（jià）值。