6月14日，腾讯Robotics X机器人实验室公布了智能体研究的最新进展，通过将前沿的预训练AI模型和强化学习技术应用到机器人控制领域，让机器狗Max的灵活性和自主决策能力得到大幅提升。
让机器狗像人和动物一样灵活且稳定地运动，是机器人研究领域长期追求的目标。深度学习技术的不断进步，使得机器通过“学习”来掌握相关能力，学会应对复杂多变的环境变得可行。
(资料图)
腾讯Robotics X机器人实验室通过引入预训练模型和强化学习技术，可以让机器狗分阶段进行学习，有效地将不同阶段的技能、知识积累并存储下来，让机器人在解决新的复杂任务时，不必重新学习，而是可以复用已经学会的姿态、环境感知、策略规划多个层面的知识，进行“举一反三”，灵活应对复杂环境。
这一系列的学习分为三个阶段：即通过游戏技术中常使用动作捕捉系统，研究员收集真狗的运动姿态数据；将第一阶段掌握的机器狗灵动姿态与外界感知联系在一起，使得机器狗能够应对外界环境；利用前两个预训练阶段获取的神经网络，机器狗聚焦解决策略学习问题，最终具备端到端解决复杂任务的能力。
为了测试Max所掌握的这些新技能，研究员受到障碍追逐比赛“World Chase Tag”的启发，设计了一个双狗障碍追逐的游戏。“World Chase Tag”是一个竞技性障碍追逐赛组织，2014年创立于英国，由民间儿童追逐游戏标准化而来。一般来说，障碍追逐比赛每轮次由两名互为对手的运动员参加，一名是追击者（称为攻方），一名是躲避者（称为守方），当一名运动员在整个追逐回合中（即20秒）成功躲避对手（即未发生触碰）时，团队将获得一分。 在预定的追逐回合数中得分最多的战队赢得比赛。
在机器狗障碍追逐比赛中，游戏场地大小为4.5米 x 4.5米，其中散落着一些障碍物。游戏起始，两个MAX机器狗会被放置在场地中的随机位置，且随机一个机器狗被赋予追击者的角色，另一个为躲避者，同时，场地中会在随机位置摆放一个旗子。
追击者的任务是抓住躲避者，躲避者的目的则是在保证不被抓到的前提下去接近旗子。如果躲避者在被抓到之前成功触碰到旗子，则两个机器狗的角色会瞬间发生互换，同时旗子会重新出现在另一个随机的位置。游戏最终的结束条件为当前的追击者抓住了躲避者，且当前为追击者角色的机器狗获胜。所有游戏过程中，两个机器狗的平均前向速度被约束在0.5m/s。
从这个游戏看来，在基于预训练好的模型下，机器狗通过深度强化学习，已经具备一定的推理和决策能力：比如，当追击者意识到自己在躲避者碰到旗子之前已经无法追上它的时候，追击者就会放弃追击，而是在远离躲避者的位置徘徊，目的是等待下一个重置的旗子出现。
另外，当追击者即将抓到躲避者的最后时刻，它喜欢跳起来向着躲避者做出一个“扑”的动作，非常类似动物捕捉猎物时候的行为，或者躲避者在快要接触旗子的时候也会表现出同样的行为。这些都是机器狗为了确保自己的胜利采取的主动加速措施。
据介绍，游戏中机器狗的所有控制策略都是神经网络策略，在仿真中进行学习并通过zero-shot transfer（零调整迁移），让神经网络模拟人类的推理方式，来识别从未见过的新事物，并把这些知识部署到真实机器狗上。例如下图所示，机器狗在预训练模型中学会的躲避障碍物的知识，被用在游戏中，即使带有障碍物的场景并未在Chase Tag Game的虚拟世界进行训练（虚拟世界中仅训练了平地下的游戏场景），机器狗也能顺利完成任务。
腾讯Robotics X机器人实验室长期致力于机器人前沿技术的研究，以此前在机器人本体、运动、控制领域等领先技术和积累为基础，研究员也在尝试将前沿的预训练模型和深度强化学习技术引入到机器人领域，提升机器人的控制能力，让其更具灵活性，这也为机器人走入现实生活，服务人类打下了坚实的基础。