人智能領域不斷的刷新著驚喜，據海外媒體報道，最近一個叫Rainbow Dash的機器人自己學會了走路。這臺四腳的機器，只學習了幾個小時，就學會向前、向後行走，並在此過程中，左右轉彎。
來自谷歌、加州大學伯克利分校和喬治亞理工學院的研究人員，在ArXiv預印本服務器上發表了一篇論文，描述了一種被稱為深度強化學習（deep reinforcementlearning）的統計人工智能技術。
大多數強化學習部署都在計算機模擬的環境中進行。但是，Rainbow Dash使用此技術來學習在實際物理環境中行走。
而且，它能夠在沒有專門的教學機制的情況下做到這一點，例如人工訓練或標記的樣本數據。最終，Rainbow Dash成功地在多個表面上行走，包括柔軟的泡沫床墊和帶有明顯凹口的門墊。
機器人使用的深度強化學習技術包括一種機器學習，在這種機器學習中，通過代理與環境交互，來反覆試驗學習。大多數強化學習用例都涉及到計算機遊戲，在這些遊戲中，數字代理學習如何獲勝。
這種形式的機器學習明顯不同於傳統的有監督或無監督學習，傳統的機器學習模型需要標記訓練數據來學習。深度強化學習將強化學習方法與深度學習相結合，使傳統機器學習的規模大大擴展，計算能力大大增強。
儘管研究小組認為Rainbow Dash自己學會了走路，但人為干預仍在實現該目標方面發揮了重要作用。研究人員必須創建邊界，機器人可以在該範圍內學習走路，以防止機器人離開該區域。
他們還必須設計特定的算法來防止機器人墜落，其中一些算法側重於限制機器人的運動。為了防止諸如墜落損傷等事故的發生，機器人強化學習通常是在數字環境中進行，然後將算法轉移到物理機器人上，以保持其安全性。
在研究人員弄清楚如何讓機器人在物理環境（而不是虛擬環境）中學習之後，歷時一年的時間，Rainbow Dash取得了巨大的成功。研究人員表示，“通過允許機器人自主學習，機器人將能夠在更接近於我們現實生活的世界中學習。”
注：本文根據多篇最新英文相關資料整理而成，水平和能力有限，不足之處還請多指正。
閱讀更多 叮鐺月光 的文章
