近年来，腿式机器人的灵活性得到了显著提高，但它们仍然常常受到棘地形的限制。一种针对平坦、坚硬表面优化的机器人可能不如另一种为动态区域（如泥泞的田野或沙滩）——或者天花板——设计的机器人表现好。韩国科学技术院 (KAIST) 的研究人员开发的一项新的四足机器人控制技术，借助人工智能强化学习，似乎正在打破这些字面和物理上的障碍。
在强化学习中，会生成大量的模拟来近似物理试验，从而缩短人工智能自我优化以实现预期目标所需的时间。在 KAIST 机械工程系 Jemin Hwangbo 教授的领导下，他们的团队创建了一个新的人工神经网络，该网络能够在没有任何先验信息的情况下实时评估地形，然后将这些知识反馈给他们的四足机器人 RaiBo。
然而，在这种情况下，KAIST 的研究人员还定义了一种新的接触模型，该模型基于机器人与各种介质的地面反作用力相互作用的物理压力，以模拟变形地形，例如沙子。所有这些信息随后被输入 RaiBo 的人工智能，产生了非常令人印象深刻的结果。
[相关：最新的机器人狗可以攀爬墙壁和天花板。]
根据该团队本月早些时候发表在《Science Robotics》杂志上的研究，他们的机器狗展示了以大约每秒 3 米的速度在沙滩上小跑的能力，其脚部完全没入沙子中。RaiBo 还可以跨越草地和跑道，而无需进行任何额外的编程或控制算法调整。
该论文的第一作者 Suyoung Choi 在一份声明中说：“研究表明，为基于学习的控制器提供与真实变形地面近距离接触的经验，对于应用于变形地形至关重要。”
由于新提出的控制器可以在没有地形先验信息的情况下使用，因此它可以轻松应用于未来的 AI 行走研究，例如如何让机器人优雅地在充气床垫上行走，RaiBo 据称也能够完成这项任务。
