本文經AI新媒體量子位（公眾號 ID: QbitAI）授權轉載，轉載請聯繫出處
迪士尼的機器人，不管剩幾條腿 (n>0) ，都能學會走路。
那麼，是怎麼學的？
研究團隊不用模擬器，直接在硬件上修煉深度強化學習 (DRL) 的策略。
真實世界，或許比模擬器要單調一些。不過，有物理支持的經驗，可能更加珍貴。
除了有清新脫俗的訓練環境，這隻機器人，也並不是一隻機器人而已。
想要幾條腿，問過機器人嗎？
機器人的腿是模塊化的，就是說，你想給它裝上一條、兩條、三條腿，都可以。
嫌腿太多，拔掉一些也可以。反正只要有腿，機器人還可以重新學走路。
另外，機器人的腿還分三種，運動方式各不相同——
在分別介紹之前，先給各位一些方向感。
A腿，Roll-Pitch，橫軸加縱軸。
B腿，Yaw-Pitch，豎軸加縱軸。
C腿，Roll-Yaw-Pitch，橫軸加豎軸加縱軸。
於是，C腿比另外兩條腿粗壯一些，似乎也可以理解了。
如果按最多能裝六條腿來算，一共可以拼出多少種不同的機器人？
這樣一來，即便不是模擬器，也算多姿多彩了。
兩種DRL同步走
由於，不知道機器人什麼時候，就會多條胳膊少條腿，迪士尼團隊準備了兩種深度強化學習算法。
一是TRPO (信賴域策略優化) 算法，沿用既定策略 (On-Policy) 的批量學習方法，適合優化大型非線性的策略。
二是DDPG (深度確定性策略梯度) 算法，用“演員-評論家 (Actor-Critic) ”的方法，優化策略。
不同的算法，不同的姿勢
那麼，在三次元學習過程中優化的策略，有多優秀？
按照腿的數量，分別來看一下。
一條腿
圖中下者，是用TRPO學習完畢的A腿，與沒有學過的A腿相比，走路姿勢已經明顯不同，速度也真的加快了一點點。
兩條腿
這是兩條B腿在TRPO薰陶之下形成的姿勢，輕快地觸地，輕快地彈起。
這同樣是兩條B腿，但算法換成了DDPG，姿勢又完全不同了，好像慵懶地向前翻滾。
三條腿
這次，機器人長了三條B腿。有了TRPO的加成，它用歡脫地節奏點著地，和雙腿TRPO的操作很相似。
總體看上去，用TRPO訓練過後，機器人會比較活躍，用DDPG修煉之後，機器人就有了佛系屬性。
不管它有怎樣的個性，研究人員都很開心。畢竟，那表示深度強化學習算法，是有效的。一看就知道，是誰帶出的徒弟。
閱讀更多 金石興機器人學院 的文章
