四足机器人对于大家来说应该已经不再陌生，尽管大多数人还只能从媒体或者企业的演示视频中看到它们的身影，但我们相信它们已经从科幻电影的屏幕中走了出来。当然那些机器人工程师们仍在研究如何让这些机器拥有更多的功能，让它们真正走入人们生活中。
现在，麻省理工学院（MIT）的一组研究人员表示，改善机器人功能的一种方法可能是使用人工智能帮助教机器人如何走路和跑步。
以往，当工程师们在开发控制有腿机器人运动的软件时，他们会编写一套规则，规定机器应该如何响应特定的输入。因此，如果机器人的传感器检测到y腿上有x个力，它就会通过给电机a供电来施加力矩b，以此类推。对这些参数进行编码既复杂又耗时，但它可以让研究人员对机器人进行精确和可预测的控制。
另一种方法是使用机器学习（ML）——更进一步来说，这种方法被称为强化学习（RL），通过反复试验来发挥作用。通过给你的AI模型一个称为“奖励功能”的目标(例如，尽可能快地移动)，然后让它自行想出如何从零开始实现这个结果。这需要很长时间，但可以让AI在虚拟环境中进行实验，就可以加快时间。这就是为什么强化学习是开发电子游戏中人工智能的流行方式。
MIT的工程师们就是使用这种技术，他们为自己的四足机器人研究项目“迷你猎豹”(Mini Cheetah)开发了一种新的控制软件。通过强化学习，他们能够为机器人实现3.9米/秒的最高速度，达到大约14公里/小时。
迷你猎豹跑步的步态有点笨拙。事实上，它看起来就像一只小狗在木地板上抓来抓去的加速。但是工程师认为，这是因为人工智能除了速度之外没有优化任何其他东西。
深度学习找到了一种跑得快的方法，但由于其奖励功能不明确，它没有理由选择一种“看起来自然”或人类喜欢的步态。这个模型当然可以用来指导开发一种更流畅（真实）的运动形式，但目前整个努力的重点只在优化速度。
使用人工智能开发控制器软件的一个很大的优势是，减少了浪费在物理上的时间。人工编程让机器人在各种可能的情况下如何行动是非常困难的，而且这个过程很繁琐，如果机器人在特定的地形上发生故障，人类工程师就需要确定故障的原因，并手动调整机器人控制器。
通过使用模拟器，工程师可以将机器人置于任何的虚拟环境中——从坚实的路面到光滑的碎石——并让它自己解决问题。事实上，麻省理工学院的研究小组表示，他们的模拟器能够在3个小时内快速完成以往需要100天的蹒跚行走和跑步。
一些研发有腿机器人的公司已经在使用这些方法来设计新的控制器。不过，以知名的波士顿动力公司(Boston Dynamics)为代表的一些公司仍然依赖更传统的方法。因为该公司对开发非常具体而精准的动作感兴趣，比如在其精心编排的视频中可以看到双足或四足机器人进行各种跳跃、翻转、跨越障碍甚至舞蹈动作。
目前，波士顿动力公司的“猎豹”机器人保持着四足机器人的最高时速纪录，达到45.5公里/小时，比博尔特还快。然而，猎豹的纪录也许很快会被超越。毕竟它不仅比麻省理工学院的迷你猎豹更大，而且这个纪录还是在跑步机上实现的，同时安装了一个杠杆以保持稳定性。如果没有这些优势，人工智能驱动下的“小猎豹”也许会很快追上来。
