模仿的人形機器人學會步行自動旅行

對人類機器人進行運動的培訓可以加速體現的AI的發展，例如自動搜索和救贖，在未開發的地方進行環境監測等任務，以及密歇根大學的研究人員，這些研究人員配備了類人動物來進入道路。

用他們的新結構稱為 樂高研究人員訓練了配備攝像頭的模擬類人動物，以提前計劃，避免障礙，保持姿勢並調整速度和步驟，以使土地不均勻。

“我們的模型是第一個可以使人形機器人能夠自行觀察，決定和移動的能力 – 不僅是步行，而且是按照路徑的要求，跳，跳，敲門或跳躍。到現在為止，人類生物生物的研究主要是盲目的”，依賴於人類操作員在一項研究中提出的研究中提出的人類操作員在研究中提出的一項研究中研究的一項研究中提出的一項研究中，研究中的一項研究中，研究中的一項研究中介紹了一項研究。 IEEE會議按計算機視覺和样本識別 2025年6月在納什維爾。

有工作 出版 在 arxiv 預印服務器。

傳統上，機器人學會了使用前製造的卡和永久性的人類領導力專注於平坦，不受阻礙的表面，並具有高級計劃（“何處去何處”）以及低級（“如何移動”）的表現被視為個人問題。

計算機科學和工程學的研究人員，研究的主要作者Kwan Yi Lin說：“導航和運動在一個教學政策中的結合使機器人可以根據情況制定自己的運動策略，而沒有任何人類的編程模型。”

在模擬過程中，人形機器人被丟棄在陌生的痕跡上，並要求轉到某個點。他們配備了視覺入口，對身體的意識和GPS的簡單方向，例如，“目的地為東北0.3英里”，而不是轉向方向。

虛擬的6英尺機器人的大小為6英尺，大約4英尺的機器人的大小為兒童的大小，五種不同類型的旅行，每種都有五個級別的複雜性。生產率以飽滿，安全性和效率來衡量。

與理想導航和環境信息提前提供的機器人相比，模擬的自動駕駛機器人的性能在效率和安全性方面具有比較或更好。根據研究人員的說法，他們對身體的認識有助於防止損害，並消除了這一方面的大幅下降，從而大大降低了運動的成功。

虛擬自主機器人已經學會了根據該區域調整其身體位置和運動風格。例如，當您進入一個狹窄的空間時，機器人學會了彎腰擠壓。他們還能夠根據障礙解決方法 – 在高障礙物周圍擰緊並穿過較低的障礙，如果他們無法克服的話。

林說：“令人驚訝的是，虛擬機器人可以在絆腳石後恢復其平衡 – 在以前的類人動物中不可見。我們沒有編程。當機器人學會了與環境互動時，這是很自然的。”

在第一項研究中，機器人體的上部保持固定，因為增加上身的運動會顯著增加建模的複雜性。現在，該概念的研究順序為腿部運動起作用，研究小組朝著協調的步行方向工作，利用機器人自由度的全部程度，以最大程度地提高運動的穩定性，安全性和效率。

該研究小組正在積極致力於將該政策適應現實世界中的物理類人動物。