让类人机器人更快学会在复杂地面行走 ^{CEFR B2}

佐治亚理工的研究人员提出并验证了一种名为“Learn to Teach”的训练框架，用以提升类人机器人在真实不平整地面上的行走能力。研究由乔治·W·伍德拉夫机械工程学院与计算科学与工程学院合作完成，机器学习博士生Feiyang Wu主导，并在IEEE国际机器人与自动化大会（ICRA）上展示了训练框架。

研究针对传统“教师—学生学习”方法的两大问题：先后顺序训练教师和学生耗时较长（模拟训练在GPU上需要大量计算小时），且常常造成教师收集到的有用信息被浪费。团队的解决方案是在仿真中同时训练教师与学生，使教师在持续学习的同时逐步教授学生，并且也从学生产生的数据中学习。这一改变有助于缩小教师与学生之间的模仿差距，提升训练效率，降低时间和成本。

在完成仿真训练后，团队将该控制器部署到Ye Zhao实验室的一台实体类人机器人上。机器人在沙地、湿草、碎石、斜坡、楼梯和平地等多种表面上表现出平稳行走能力，并能在研究人员推拉干扰下自适应调整步态。研究者指出该框架具有通用性，可应用于其他机器人设计或扩展到行走以外的任务。该研究由美国海军研究办公室、美国农业部和美国国家科学基金会资助。