这个ANYmal机器狗，摔倒之后只要蹬一蹬腿，就能重新站起来了：
但这并不表示它的平衡能力弱。毕竟，这只狗对刁钻的地形毫不畏惧：不论是踩着浪花，还是登高远眺，都如履平地；下雪的时候也能走楼梯。
ANYmal几乎不依赖人类灌输的知识。

初初来到这个世界，它不会站立不会走路：成熟的生存能力，是靠强化学习算法一点一点解锁的。

(相比之下，MIT科技评论说，波士顿动力机器人的动作，大多是人类手动编写的。)

ANYmal的大脑，是苏黎世联邦理工学院(ETH Zurich) 和英特尔一同开发的，还登上了最新一期的Science Robotics。

梦里可以，现实就可以

就像刚才提到的那样，机器狗的每一个动作，都不是人工写的：

它是在模拟器里，用强化学习算法学会的。

为什么要用模拟器？
在模拟器里，2,000多只机器狗(智能体) 可以一起学走路，一起应对各种刁难。

这样一来，可以轻而易举地获得大量的数据。

而有了强化学习算法，智能体可以在千万次试错中，找到技巧：

站起来
训练开始的时候，它像一只出生不久的小狗，可能是四肢的力量还弱，可能是还不懂得怎样用力。

经过1,500代的训练，运动策略已成熟稳健，机器狗可以从侧卧的状态毫不犹豫地正起身来。

它知道自己扑街的姿势是怎样的，就知道该用怎样的动作，让自己站起来：
更重要的是，模拟器里训练好的运动策略，不用做任何修改，就可以直接交给现实中的机器狗。

不论跌倒的时候，腿是如何被压在身下，最终都能顺利地站起来。

平衡感

当然，摔倒之后再爬起来，并不是上策。

而保持平衡，避免跌倒，也是机器狗的一项关键技能。毕竟按照惯例，有好事者会在一旁踢腿：
不用怕，这也是在模拟器里学过的。

速度速度

另外，强化学习算法还可以针对不同的奔跑速度，来训练策略。

训练之下，机器狗的秒速已经达到1.5米，比没用强化学习的时候快了25%。
而单单跑得快，也是不够的。前方的路并不平坦：

障碍物

作为一只勇敢的机器狗，也该不惧路途中的任何障碍。

比如，越过障碍的同时，不要把自己摔下去：
比如，就算没有办法助跑，也要跨过“大型”障碍：
毕竟，ANYmal一向是在危险的环境里接受训练的。

不管火灾还是水灾，人类越难进入的空间，越是它工作的地方。
不只是对手

或许，ANYmal是波士顿动力当下最有力的对手了。

但这场比赛的节奏，也不一定要多么紧张。

机器人顶会IROS 2018的现场，ANYmal与波士顿动力的SpotMini相遇了。
两只身材相仿的机器狗，与其说向对方宣战，不如说见面便是一副恩爱的样子。

还有一只娇小的莱卡狗，在一旁静静地吃着狗粮。

你看，ANYmal俯下身去，SpotMini轻轻地吻了它的额头：
也许，在严酷的训练之外，加入清新自然的社交活动，能让机器狗更有活力地投入下一阶段的任务吧。

Science Robotics论文传送门：
Learning agile and dynamic motor skills for legged robots
http://robotics.sciencemag.org/l ... scirobotics.aau5872
论文详细阐述了深度研究和训练 ANYmal 的过程与结果，例如其独特的控制策略。

来源：量子位，新战略机器人全媒体