混合控制理论助力机器人学习多任务运动技能

在训练机器人执行单一任务运动技能时，人工智能方法成效显著，然而训练其执行多个复杂任务时，性能往往不尽如人意。机械工程助理教授伊恩·亚伯拉罕指出：“我们常希望机器人通过叠加现有技能学习新技能，但用于多项任务的人工智能模型，性能常不如单一任务模型。”

为攻克这一难题，亚伯拉罕的实验室运用最优控制技术，采用数学方法助力机器人高效执行运动。其中，混合控制理论成为关键，该理论涉及决定自主系统何时在不同控制模式间切换以完成任务。亚伯拉罕表示，混合控制理论可结合机器人学习新技能的不同方法，如强化学习从经验中学习，或基于模型的学习通过观察规划动作。关键在于让机器人有效切换模式，执行高精度动作。他以人类学习新技能或体育运动为例，说明先理解预测身体运动，最终动作形成肌肉记忆的过程。

亚伯拉罕和研究团队将混合控制理论应用于类似狗的机器人训练。先让人工智能方法开发需全身精准控制的挑战性运动技能，再用混合控制理论调度综合各种机制，使机器人学习不同运动技能，获得更复杂行为。实验中，机器人成功保持平衡并翻转。

理想状态下，这一成果可使机器人在家庭等非结构化环境中工作。亚伯拉罕称：“机器人部署后学习新技能，可利用已有学习模式，结合规划推理与实际经验，确保安全完成任务。达到一定自信水平后，还能运用更专业技能做得更好。”

（来源：维度网）