量子位 出品 | 公众号 QbitAI

迪士尼的机器人，不管剩几条腿 (n>0) ，都能学会走路。

是怎么学的？

研究团队不用模拟器，直接在硬件上修炼深度强化学习 (DRL) 的策略。

真实世界，或许比模拟器要单调一些。不过，有物理支持的经验，可能更加珍贵。

除了有清新脱俗的训练环境，这只机器人，也并不是一只机器人而已。

想要几条腿，问过机器人吗？

机器人的腿是模块化的，就是说，你想给它装上一条、两条、三条腿，都可以。

嫌腿太多，拔掉一些也可以。反正只要有腿，机器人还可以重新学走路。

另外，机器人的腿还分三种，运动方式各不相同——

在分别介绍之前，先给各位一些方向感。

A腿，Roll-Pitch，横轴加纵轴。

B腿，Yaw-Pitch，竖轴加纵轴。

C腿，Roll-Yaw-Pitch，横轴加竖轴加纵轴。

于是，C腿比另外两条腿粗壮一些，似乎也可以理解了。

如果按最多能装六条腿来算，一共可以拼出多少种不同的机器人？

这样一来，即便不是模拟器，也算多姿多彩了。

两种DRL同步走

由于，不知道机器人什么时候，就会多条胳膊少条腿，迪士尼团队准备了两种深度强化学习算法。

一是TRPO (信赖域策略优化) 算法，沿用既定策略 (On-Policy) 的批量学习方法，适合优化大型非线性的策略。

二是DDPG (深度确定性策略梯度) 算法，用“演员-评论家 (Actor-Critic) ”的方法，优化策略。

不同的算法，不同的姿势

那么，在三次元学习过程中优化的策略，有多优秀？

按照腿的数量，分别来看一下。

一条腿

图中下者，是用TRPO学习完毕的A腿，与没有学过的A腿相比，走路姿势已经明显不同，速度也真的加快了一点点。

两条腿

这是两条B腿在TRPO熏陶之下形成的姿势，轻快地触地，轻快地弹起。

这同样是两条B腿，但算法换成了DDPG，姿势又完全不同了，好像慵懒地向前翻滚。

三条腿

这次，机器人长了三条B腿。有了TRPO的加成，它用欢脱地节奏点着地，和双腿TRPO的操作很相似。

总体看上去，用TRPO训练过后，机器人会比较活跃，用DDPG修炼之后，机器人就有了佛系属性。

不管它有怎样的个性，研究人员都很开心。毕竟，那表示深度强化学习算法，是有效的。一看就知道，是谁带出的徒弟。

你也想被支配一下？

同性交友网站的章鱼猫 (假装) 表示，它也想接受DRL算法的蹂躏，然后解锁更娇嫩的舞姿。

论文传送门：

https://s3-us-west-1.amazonaws.com/disneyresearch/wp-content/uploads/20180625141830/Automated-Deep-Reinforcement-Learning-Environment-for-Hardware-of-a-Modular-Legged-Robot-Paper.pdf

— 完 —

“