从双足机器人步态研究说起—人工神经网络

昨天简单介绍了双足机器人发展史。但双足机器人是怎么通过什么方式实现其稳定步态，从面不会失去重心摔倒呢？

真正全面、系统地开展两足步行机器人的研究始于上世纪60年代，现已形成了一整套较为完整的理论体系，一些国家如日本、美国等已研制成功可动态步行的双足步行机器人。在60年代和70年代，对步行机器人控制理论的研究产生了三种非常重要的控制方法，即有限状态控制、模型参考控制和算法控制。

这三种控制方法对各种类型的步行机器人都是适用的。有限状态控制是由南斯拉夫的Tomovic在1961年提出来的，模型参考控制是由美国的Farnsworth在1975年提出来的，而算法控制是由南斯拉夫米哈依罗．鲍宾研究所著名的机器人学专家Vukobratovic博士在1969年至1972年间提出来的。这三种控制方法之间有一定的内在联系。有限状态控制实质上是一种采样化的模型参考控制，而算法控制则是一种居中的情况。

在双足步行机器人的稳定性研究方面，美国的Hemami等人曾提出将双足步行系统的稳定性和控制的简化模型看作是一个倒立振子（倒摆），从而可以将双足步行的前进运动解释为使振子直立移动的问题。MIT的G．A．Pratt和J． E．Pratt等人在Spring Turkey 和Spring Flamingo双足机器人的控制中采用了虚模型控制策略，避免了繁琐的机器人逆运动学和动力学计算。

1990年，美国Ohio大学的Y．F．Zheng等人提出了用神经网络实现双足步行机器人动态步行的观点，实现了双足机器人的动态学习。

因90年代计算机水平发展不高，计算力非常弱，所以当时神强网络并没有取得很好的成效。但今天随着计算能力的急速增长，如今的美国双足机器人正是利益于人工神经网络技术，才在实验中取得巨大的进步。

以神经网络为前身，后来诞生出了的强大的“深度学习”。现在谷歌基于“深度学习”的“阿尔法狗”，能轻松击败李世石、柯洁等围棋绝顶高手。放在几年前，计算机围棋技术和职业围棋选手都还有较大差距。