文章摘要
【关 键 词】 机器狗、MAX、控制框架、智能决策、仿真训练
腾讯的机器狗MAX登上了《Nature》子刊封面，展示了其在定向越野游戏中的卓越表现。MAX通过模仿真实动物的运动、感知和策略，实现了对真实世界中狗的模仿，能在室内外环境中自由跑动，甚至在复杂地形中敏捷地上下楼梯和穿过障碍物。这一成果的背后，是一套全新的控制框架，采用了分层式策略和生成式模型，训练数据来自一只拉布拉多犬。
MAX的控制系统通过模仿真狗的动作，规划出更高级的策略，完成了追逐大战等复杂任务。在与人类控制的机器狗的竞技中，纯机器方案展现出更高的灵活性和效率。这一控制框架的最大优势在于其通用性，可以针对不同的任务场景和机器人形态进行预训练和知识复用，未来有望应用于人形机器人和多智能体协作场景。
研究人员设计的控制框架包括原始运动控制器（PMC）、环境适应控制器（EPMC）和策略控制器（SEPMC），分别对应原始级、环境级和策略级知识。训练过程从PMC开始，逐步向上训练，最终实现机器人的认知和规划能力。通过多智能体强化学习算法PFSP，机器人在仿真环境中不断提升策略水平，然后以零样本迁移到真实环境。
MAX的训练数据来源于对一只训练有素的中型拉布拉多犬的运动捕捉，通过逆运动学方法将狗狗的关节运动数据重定向到机器人关节。PMC的训练目标是最小化生成的运动轨迹与参考轨迹之间的偏差，通过向量量化技术构建离散潜在空间。EPMC引入环境感知模块，根据当前环境状态动态调整运动模式。SEPMC进一步提升机器人的高层策略决策能力。
整个训练过程在仿真环境中完成，通过随机化大量物理参数，强化学习得到的策略必须能够应对变化，实现稳定和通用的控制能力。未来，研究人员将进一步整合多模态感知输入，如LiDAR、Audio等，以更好地应对复杂环境。这项研究为机器人的自主运动和智能决策提供了新的思路和方法，有望推动机器人技术在更多领域的应用和发展。
原文和模型
【原文链接】 阅读原文 [ 2406字 | 10分钟 ]
【原文作者】 量子位
【摘要模型】 moonshot-v1-32k
【摘要评分】 ★★★★★
