利用层次生成模型增强自主机器人的电机控制

用于验证分层生成模型的操作和运动任务。a，一个操作任务，机器人拿起盒子（A），交付（B），最后通过激活按钮（C）将其送走。b，点球，机器人接近（A）球并将其踢入球门（B和C）

为了在周围环境中最好地移动并处理日常任务，机器人应该能够执行复杂的动作，有效地协调各个肢体的运动。因此，机器人学家和计算机科学家一直在尝试开发计算技术，这些技术可以人工复制人类计划、执行和协调不同身体部位运动的过程。

英特尔实验室（德国）、伦敦大学学院（英国伦敦大学学院）和 VERSES 研究实验室（美国）的一个研究小组最近开始探索使用分层生成模型对自主机器人的运动控制，这种计算技术将数据中的变量组织成不同的级别或层次结构，然后模仿特定的过程。

“我们最近的论文探讨了我们如何从生物智能中汲取灵感，将机器人学习和控制形式化，”该论文的通讯作者Zhibin （Alex） Li说。

“这允许在连贯的框架内进行自然的运动规划和精确控制机器人的运动。我们认为，运动智能的进化不是不同能力的随机组合。我们的视觉皮层、语言皮层、运动皮层等的结构，有一个更深层次的结构上的原因，为什么这种连接不同神经路径的机制可以有效和高效地工作。

李志斌副教授和杰出的神经科学家Karl Friston FMedSci FRSB FRS教授最近的研究从神经科学研究中汲取灵感，特别是目前对人类生物智能和运动控制的了解。该团队以人脑为参考，开发了软件、机器学习和控制算法，可以提高自主智能机器人可靠地完成复杂日常任务的能力。

李说：“在这篇论文中，我们通过广泛的模拟证明了这一点，全身人形机器人能够在仓库环境中运输箱子、打开门、操作设施（如传送带）、踢足球，甚至在机器人身体受到物理损伤的情况下继续运行。我们的研究展示了大自然的力量，不同皮层如何在我们的大脑中协同工作的灵感可以帮助设计智能机器人的大脑。”

李解释道：“生成模型可以预测不同动作的后果，从而帮助解决不同类型/级别的规划，并正确映射不同的机器人动作，这是相当困难和乏味的。”。

“例如，携带箱子从一个地方到另一个地方，自然会映射到走向目的地的全局粗略计划，再加上更密切的监控和精细的平衡控制，以及携带箱子和放置箱子——所有这些复杂的协调都会在使用我们的软件的同时自然发生。”

研究人员在一系列模拟中评估了他们的方法，发现它允许人形机器人自主完成一项复杂的任务，该任务需要多种动作，包括行走、抓取物体和操纵物体。具体来说，机器人可以在打开门、穿过门和踢开足球的同时取回和运输盒子。

李说：“我们最近的工作中最显著的发现之一是，从大自然中汲取灵感是一个很好的起点。”

“我们可以从大脑的相似性这一组织层面获得灵感，并指导我们对机器人大脑的设计，而不是从头开始进行工程设计。有相当多的工程工作是独立于生物启发方法而发明的，然而，我们还没有智能机器人能够像我们一样聪明地完成工作，只需要很少的能量，例如消耗面包和水。相反，如今，机器人使用巨大的力量和计算能力来做简单的事情。”

李和他的同事们收集的初步发现非常有希望，突出了层次生成模型将人类能力转移到机器人上的潜力。未来在各种物理机器人上进行的实验可能有助于进一步验证这些结果。

李补充道：“在人类历史的这一点上，我们共同做了大量的工作，分别复制不同种类的人类水平的智力，相当于人类大脑的不同部分。现在，我们可以从生物大脑的结构和组织功能水平上获得灵感，了解不同皮层如何相互协调。然后，我们可以根据人脑在功能水平上的工作方式设计人工大脑。”

这组研究人员最近的工作有助于嵌入式人工智能的持续努力，旨在使机器人的能力更接近人类的能力。李和他的同事计划继续实施他们提出的方法，以实现真正的机器人运动技能，以完成复杂的任务，并最大限度地发挥其社会潜力。

李补充说：“这项研究为我们提供了一条可行的道路，使我们能够通过具体的物理机器人和能力来建立AGI(人工通用智能)，作为一种新的生产力形式，可以在社会和科学界的良好和积极的治理下，将我们的文明带入更光明的未来。在接下来的研究中，我们将继续努力实现这一目标。”