據18日《自然·機器智能》雜誌報道，為了解動物如何學會走路和從絆倒中學習，德國馬克斯·普朗克智能系統研究所（MPI-IS）研究人員建造了一個四足機器狗“莫蒂”，它僅僅用了一小時就學會了走路。

　　莫蒂充分利用了複雜的腿部力學，通過貝葉斯優化算法指導學習：其足部傳感器信息與機器狗中運行的建模虛擬脊髓的目標數據相匹配。機器狗通過不斷比較發送的和預期的傳感器信息、運行反射循環以及調整其電機控制模式來學習行走。

　　在人類和動物中，中央模式發生器（CPG）是脊髓中的神經元網絡，可在沒有大腦輸入的情況下産生周期性的肌肉收縮。其有助於生成有節奏的任務，例如步行、眨眼或消化。機器狗莫蒂在大約一小時內比動物更快地優化其運動模式。

　　在機器狗平穩行走期間，來自其腳部的傳感器數據不斷與機器狗CPG預測的預期着陸進行比較。如果機器狗絆倒，學習算法會改變腿來回擺動的距離、腿擺動的速度以及腿在地面上的長度。調整後的運動也會影響機器狗利用其腿部力學的能力。

　　在學習過程中，CPG發送經過調整的電機信號，以便機器狗從此減少絆倒並優化其行走。

　　論文第一作者、MPI-IS動態運動研究小組的前博士生菲利克斯·魯珀特&&：“我們的機器狗實際上是‘天生’的，CPG類似於大自然提供的內置自動行走智能，我們已將其轉移給機器狗。當數據從傳感器流回虛擬脊髓，與CPG數據進行比較，如果傳感器數據與預期數據不匹配，則學習算法會改變行走方式，直到機器狗行走良好且不會絆倒。”（記者張夢然）