为了在周围环境中最好地移动并处理日常任务，机器人应该能够执行复杂的动作，有效地协调单个肢体的运动。因此，机器人专家和计算机科学家一直在努力开发计算技术，以人工地复制人类计划、执行和协调不同身体部位运动的过程。

　　基于英特尔实验室(德国)、伦敦大学学院(英国)和VERSES研究实验室(美国)的一个研究小组最近开始探索使用分层生成模型的自主机器人的电机控制，这种计算技术将数据中的变量组织成不同的层次或层次，然后模拟特定的过程。

　　他们的论文发表在《自然机器智能》杂志上，展示了这些模型在自主机器人中实现人类启发运动控制的有效性。

　　“我们最近的论文探讨了如何从生物智能中汲取灵感，将机器人的学习和控制形式化，”该论文的通讯作者李志斌(Alex)告诉Tech Xplore。

　　“这允许在一个连贯的框架内进行自然运动规划和精确控制机器人的运动。我们相信运动智力的进化不是不同能力的随机组合。我们的视觉皮层、语言皮层、运动皮层等的结构，有更深层次和结构方面的原因，为什么这种连接不同神经通路的机制能有效地工作。”

　　最近的研究由李志斌副教授和著名神经科学家Karl Friston教授(FMedSci FRSB FRS)从神经科学研究中获得灵感，特别是目前已知的人类生物智能和运动控制。该团队以人类大脑为参照，开发了软件、机器学习和控制算法，可以提高自主智能机器人可靠地完成复杂日常任务的能力。

　　“在这篇论文中，我们通过广泛的模拟证明了这一点，其中一个全身人形机器人能够在仓库环境中运输箱子，开门，操作设施(例如传送带)，踢足球，甚至在机器人身体受到物理损伤的情况下继续工作，”李说。“我们的研究展示了大自然的力量，我们大脑中不同皮层如何协同工作的灵感可以帮助设计智能机器人大脑。”

　　像其他分层生成模型一样，李和他的同事开发的技术通过将任务组织到不同的层次或层次来工作。具体来说，该团队的模型将一个任务的超额目标映射到不同时间尺度上单个肢体运动的执行上。

　　“生成模型预测不同动作的后果，从而帮助解决不同类型/级别的规划，并正确映射不同的机器人动作，这是相当困难和繁琐的，”李解释说。

　　“比如，把一个箱子从一个地方搬到另一个地方，会自然而然地映射出一个走向目的地的全局和粗略的计划，同时更密切地监控和精细地控制平衡，以及搬运箱子和放置箱子——所有这些复杂的协调都将在我们的软件中自然地同时发生。”

　　研究人员在一系列模拟中评估了他们的方法，发现它允许人形机器人自主完成复杂的任务，包括行走、抓取物体和操纵它们。具体来说，机器人可以在打开并穿过一扇门并踢走一个足球的同时取回并搬运一个盒子。

　　“我们最近工作中最显著的发现之一是，从大自然中获得灵感可以是一个很好的起点，”李说。

　　“我们可以从与人类大脑相似的组织层面获得灵感，指导我们设计机器人大脑，而不是从零开始进行工程设计。有相当数量的工程工作是独立于生物启发方法发明的，然而，我们还没有智能机器人可以像我们一样聪明地工作，只消耗很少的能量，比如消耗面包和水。相反，如今，机器人使用巨大的能力和计算能力来做简单的事情。”

　　李和他的同事们收集的初步发现非常有希望，强调了将人类能力转移到机器人的分层生成模型的潜力。未来在更大范围的物理机器人上的实验可以帮助进一步验证这些结果。

　　“在人类历史的这一点上，我们已经共同做了大量的工作来分别复制不同种类的人类水平的智能，相当于人类大脑的不同部分，”李补充说。“现在，我们可以从生物大脑的结构和组织水平的功能方面获得灵感，关于不同的皮层如何相互协调。然后我们就可以根据人脑在功能层面的工作方式设计出一个人工大脑。”

　　这组研究人员最近的工作有助于嵌入式人工智能的持续努力，旨在使机器人的能力更接近人类的能力。李和他的同事计划继续实施他们提出的方法，以实现真正的机器人运动技能，以完成复杂的任务，并最大限度地发挥其社会潜力。

　　李补充说:“这项研究为我们提供了一条可行的道路，使我们能够通过具体的物理机器人和能力来建立AGI(人工通用智能)，作为一种新的生产力形式，可以在社会和科学界的良好和积极的治理下，将我们的文明带入更光明的未来。”“在接下来的研究中，我们将继续努力实现这一目标。”

　　更多信息:袁凯等人，自主机器人的层次生成建模，自然机器智能(2023)。DOI: 10.1038/s42256-023-00752-z期刊信息:自然机器智能

　　?2023 Science X Network

　　引用:利用层次生成模型增强电机性能

　　自动控制

　　nomous robots (2023, December 10)检索自https://techxplore.com/news/2023-12-hierarchical-generative-motor-autonomous-robots.html本文档

　　作品受版权保护。除为私人学习或研究目的而进行的任何公平交易外，未经书面许可，不得转载任何部分。的有限公司

　　内容仅供参考之用。