麻省理工学院 (MIT) 计算机科学与人工智能实验室 (CSAIL) 的一组科学家使用强化学习来教四足机器人运球。 名为 Dribblebot 的机器狗可以适应不同的表面来炫耀他的运球技巧。

机器狗在运球时可以适应草地、人行道、沙子、砾石、泥土和雪地等表面。 科学家们通过增加学习如何控制腿部的方式，在模拟中教机器人成功。 在模拟中，研究人员设置了各种物理参数， 正如机器人贸易展览会 2023 年机器人与自动化国际会议 (ICRA 2023) 筹备阶段所宣布的那样 。 有关这方面的详细文件将在展会上展示。

模拟运球

科学家们实时模拟了总共四千个版本的机器人。 机器人 。 开始玩球，但不知道如何运球 尝试时，机器人在行为正确时会得到奖励，否则会出现负强化。 随着时间的推移，机器人学会了如何移动它的腿来正确地打球。 为此，科学家们必须设计一个“良好的奖励”，以便强化学习可以生效，并且机器人随后会展示成功的运球行为。 根据科学家的说法，学习过程实时需要几天时间，而在正常的模拟中需要数百天，正如科学家们所写的那样。

麻省理工学院的机器狗可以在各种表面上运球。 强化学习使这成为可能。

研究人员还在机器狗中内置了一项功能，使其能够从跌倒中恢复过来，即起床。 跌倒后，运球控制再次开始。 通过这种方式，机器人可以对触发的干扰做出反应，例如，它正在移动的地形。

在硬件方面，机器人在头部和身体上配备了多个传感器，例如摄像头，以便能够感知和感知周围的环境。 只有这样，他才能“明白”自己的立场。

然而，正如视频所示，Dribblebot 还不能像足球明星莱昂内尔·梅西那样灵活运球。 此外，他不能在斜坡或楼梯上移动球。 这是因为机器人无法感知地形的几何形状，只能通过摩擦等物质接触来估计。 研究人员也没有在楼梯和斜坡上训练它。 机器人由于此类干扰而卡住。

研究人员现在想要扩展 Dribblebot 的功能。 在未来，它应该结合运动和物体操纵，以便能够用它的四肢运输物体