近年來，機器人學家已經(jīng)開發(fā)出具有廣泛解剖結(jié)構(gòu)和功能的移動機器人。有腿機器人是一類在非結(jié)構(gòu)化和動態(tài)環(huán)境中特別有前途的機器人系統(tǒng)（即，有兩條腿或兩條腿以上的機器人，通常與動物相似）。

雖然腿式機器人是非常有前途的系統(tǒng)，但可靠地控制它們的運動或移動可能是一項挑戰(zhàn)。雖然一些團隊之前已經(jīng)手動創(chuàng)建了運動控制器，但其他團隊則嘗試使用機器學習算法對其進行自動編程。自動設計它們可能是有利的，但它通常需要長期訓練機器學習算法。

Mathias Thor和Poramate Manoonpong，丹麥南部大學M.RSK MC KNNY M勒勒研究所的兩名研究人員最近開發(fā)了一種訓練腿機器人的控制器的替代方法。這種方法發(fā)表在《自然機器智能》上的一篇論文中，可用于在短時間內(nèi)獲得不同復雜度的運動行為。

“我們的論文是基于我之前的工作，我使用中央模式發(fā)生器（CPG）來控制腿部機器人的運動，這項新研究的主要目的是證明運動控制器可以簡單易懂，但能夠產(chǎn)生復雜的運動行為。”開展這項研究的研究人員之一Mathias Thor解釋道。

Thor和Manoonpong開發(fā)的新型靈活控制器基于仿生人工中央模式發(fā)生器（CPG）和前置運動神經(jīng)網(wǎng)絡。GPG是一種生物神經(jīng)回路，允許動物天生有節(jié)奏地運動，從而產(chǎn)生呼吸、行走、飛行和游泳等行為。許多計算機科學家最近一直試圖在機器中復制這些生物系統(tǒng)，以實現(xiàn)不同類型的機器人運動。

CPG產(chǎn)生有節(jié)奏的信號，讓馬達跟隨，而前置馬達神經(jīng)網(wǎng)絡重塑CPG輸出，以獲得高性能，重塑基于機器人形態(tài)和感官反饋。我們的控制方法的主要優(yōu)點是學習速度快，易于理解和模塊化。

作為研究的一部分，研究人員在一個名為MORF的六條腿實體機器人上評估了他們的方法。在測試中，他們發(fā)現(xiàn)它取得了顯著的效果，在很短的訓練時間后產(chǎn)生了他們想要的運動行為。

新方法還具有高度靈活性和適應性，因為它允許開發(fā)人員輕松添加新的行為特定模塊，從而產(chǎn)生越來越復雜的移動行為。未來，全世界的機器人學家和計算機科學家可以使用它來快速訓練各種腿部機器人，以新的有效方式導航周圍環(huán)境。

托爾補充道，使用我們的方法時，運動控制器不需要復雜，也不需要訓練很多小時或幾天，相反，復雜的運動可以從許多簡單的并行模塊中產(chǎn)生。由于控制器可以在不到30分鐘的時間內(nèi)學習新的行為，我們希望直接在真實世界的腿機器人上學習運動行為，而不是在模擬的機器人上。