人類的運動控制能力是一項復(fù)雜而高效的技能，他可以通過規(guī)劃、執(zhí)行和組合各個肢體運動來產(chǎn)生復(fù)雜的全身運動，而機(jī)器人一直以復(fù)刻與人類類似的能力為目標(biāo)，于是一項受人體運動啟發(fā)的新研究誕生了。

　　該研究利用分層生成模型來增強(qiáng)自主機(jī)器人的電機(jī)控制，實現(xiàn)了受人類運動控制啟發(fā)的高度復(fù)雜任務(wù)，這主要是通過三種方法實現(xiàn)的：命令、規(guī)劃和學(xué)習(xí)。人類的運動控制系統(tǒng)是通過多層次的神經(jīng)結(jié)構(gòu)實現(xiàn)的，包括高級規(guī)劃和底層肢體運動協(xié)調(diào)。

　　由英特爾實驗室、倫敦大學(xué)學(xué)院和VERSES研究實驗室組成的研究小組最近在《自然機(jī)器智能》雜志上發(fā)表了一項關(guān)于機(jī)器人運動控制的研究，通過分層生成模型提高了自主機(jī)器人的運動控制能力。

　　為了模擬這種復(fù)雜性，研究團(tuán)隊采用了分層生成模型，將任務(wù)分解為不同層次的動作，并模擬人類運動控制的深度時間架構(gòu)。這種分層組織的優(yōu)勢在于能夠同時處理全局規(guī)劃和局部控制，使機(jī)器人能夠在復(fù)雜和不確定的環(huán)境中執(zhí)行任務(wù)。

　　李志斌副教授和神經(jīng)科學(xué)家Karl Friston教授是本項研究的主要作者，他們通過模仿人腦結(jié)構(gòu)，他們開發(fā)了軟件、機(jī)器學(xué)習(xí)和控制算法，提高了自主智能機(jī)器人在完成復(fù)雜日常任務(wù)方面的可靠性。

　　李志斌教授介紹道：“我們最近的論文探討了如何從生物智能中獲取靈感，以形式化機(jī)器人學(xué)習(xí)和控制。這使得我們能夠在一個連貫的框架內(nèi)進(jìn)行自然的運動規(guī)劃和對機(jī)器人運動的精確控制。通過廣泛的模擬，我們展示了全身人形機(jī)器人在倉庫環(huán)境中能夠運輸箱子、打開門、操作設(shè)施(例如傳送帶)、踢足球，甚至在機(jī)器人身體受到物理損壞的情況下仍能持續(xù)操作。我們的研究突顯了大腦中不同皮層如何協(xié)同工作的靈感，可以指導(dǎo)智能機(jī)器人大腦的設(shè)計。”

　　與其他分層生成模型類似，李志斌教授和他的團(tuán)隊通過將任務(wù)組織成不同的級別或?qū)哟谓Y(jié)構(gòu)來開發(fā)技術(shù)，他們的模型將任務(wù)的超范圍目標(biāo)映射到不同時間尺度下的個體肢體運動的執(zhí)行上。

　　實驗初步證明，分層生成模型在將人類能力轉(zhuǎn)移到機(jī)器人方面具有巨大潛力，未來將進(jìn)一步驗證這些結(jié)果。

　　人類科學(xué)家們正在做大量的工作，來分別復(fù)制不同種類的人工智能，現(xiàn)如今已經(jīng)可以從生物大腦的結(jié)構(gòu)和功能組織層面上汲取靈感，了解不同皮層如何相互協(xié)調(diào)。未來AI的發(fā)展將不可預(yù)測，機(jī)器人或能成為人類的機(jī)械復(fù)制品。