《Nature》曾发文！人工智能让残缺机器人继续工作，科学家从动物获得灵感

前言

自然界中的小动物在不幸丢失一条（或者两条）腿后是不会丧失基本的运动能力的，它们往往能够很快适应自己残缺的身体，快速开发出适合自己的移动方式。然而，机器人往往就没有那样的智能性，往往我们认为它在残破之后基本和废掉没啥差别了。

但是，日前英国《每日邮报》报道，科学家们研发出了一款机器人。该机器人配有一种算法，可以绘制空间地图，创建一个拥有不同行走方式的数据库，即便是它的腿损坏、折断或缺失了，也能很快恢复。该机器人可以用来完成对人类来说太过危险的一些事情。

皮埃尔和玛丽居里大学以及怀俄明州大学的科学家们说，“动物受伤后不会从零开始学习。相反，他们对不同的行为方式会有直觉。”“这种直觉使他们能够智能地选择一些不同的行为方式进行试验，并在试验之后选择一种尽管受伤也有效的行为方式。我们制造的机器人也能做到这一点。”

所以科学家们便试图将动物的这种智能转移到机器人身上，目前他们已经在多足机器人和多轴机械臂身上验证了其实践的可行性。

首先，六足仿生机器人在一只脚被废，或者是整条腿都有残缺时，它还能以独特的行走模式继续前行。虽然这样的行走模式效率并不高，但非常适合应用于危险环境，即使机器人在执行任务时受到一些伤害，也并不妨碍继续完成需要的探索任务。

同样的理论，应用到七轴机械臂上，当机械臂的一个关节因为某些原因丧失运动能力时，算法可以通过调节其他关节，让机械臂完成提前预定好的任务，比如将物品放置到被要求的位置。这样的新型算法可以帮助工厂在设备出现轻微故障时，也不至于停产，耽误工期。为工厂替换机械臂预留了时间。

该团队对于这款智能系统的研究始于2015年之前，并在2015年的《Nature》上发表了相应的文章。文章指出这种智能算法分为两个步骤，第一步中的地图由一种称为MAP-Elites的新型演化算法创建。演化算法通过在计算机模拟中托管'适者生存'竞赛来演变人工智能机器人来模拟达尔文进化。第二步使用“贝叶斯优化”算法，该算法利用地图提供的先前知识来有效地搜索机器人受到相应损伤之后的有效动作。

时过3年，《每日邮报》又重新报道了该项目，相比如今的算法相较之前也有了长足的进步。通过软件及人工智能的方式让机器人进行试错，大大降低了机器人机械试错的成本与时间。据介绍，通过这种方式，科学家们已经测试并映射13000多种不同的行走方式，包括在“机器人的腿损伤、折断或缺失，以及其手臂关节以14种不同方式折断”的情况下。科学家称这个过程为“智能试错算法”，最终使机器人能够在2分钟或更短的时间内适应各种情况。

虽然这种人工智能仅仅是从庞大的动作库中寻找更适合自己的行走模式，与真正的机器人实现自我适应的“直觉”还有很大差异，但不能否认这样的研究也非常有意义，为机器人更加适应自然生存奠定了一些基础。