一支由 4,000 只类似狗的机器人被用来训练算法，可以增强现实世界机器人执行任务的能力。

在模拟中学到的新技巧很快就会在您附近的社区中得到执行。

模拟军队是由瑞士苏黎世联邦理工学院的研究人员，以及芯片制造公司英伟达的工程师开发的。他们一起在名为 ANYMals 的模拟中使用蜿蜒的机器人来克服机器人的困难障碍。

例如台阶、斜坡和刻在虚拟景观中的急速下降。每次机器人解决导航问题时，研究人员都会给它一个更难的问题，将算法推入一个令人发狂的无情谜题，其唯一目的是教它的数字客人如何克服不可逾越的问题，实现人工智能移动中从未见过的复杂程度。

机器人以图形方式显示，随后机器人展开就像一群蚂蚁在无序的扭动。

在接受训练时，机器人毫不费力地掌握了上下楼的行走方式。但是斜坡把它们抛向了曲线。很少有人能掌握滑下斜坡的要领。但是，一旦最终的算法被转移到真实世界的 ANYmal 版本中，这个四足狗状机器人的头部配备了传感器和一个可拆卸的机械臂，成功地通过了街区和楼梯，但在更高的速度下工作时遇到了问题。

传感器感知现实世界和虚拟世界的方式之间，缺乏对应关系正在产生协调问题。但是这种快速的机器人学习，可以加速机器人和其他机器学习大量技能的学习曲线，从缝纫衣服和收割庄稼到在巨大的亚马逊设施中分拣包裹。该项目还重申了使用模拟来提高人工智能 (AI) 能力的重要性。

加州大学伯克利分校教授 Pieter Abbeel 在Wired报告。Abbeel 还是 Covariant 的联合创始人，Covariant 是一家公司，该公司在模拟中使用人工智能训练机器人手臂，为物流公司分拣物品。

研究人员在机器人算法方面的工作“得到了一些不错的加速”。人工智能已经走了很远，现在它可以升级机器人执行不容易转化为软件的任务的能力。例如，抓住笨拙、奇怪和光滑的表面的能力，并不是通过几行简单代码就能完成的任务。

这就是为什么 4,000 台模拟机器人接受强化学习训练的原因。

强化学习是一种 AI 方法，通过正反馈和负反馈从动物学习的方式中汲取灵感. 当机器人移动他们的腿时，判断算法会监控这对机器人继续行走的能力有何影响，并随着运动的继续调整控制算法以适应。

Nvidia 的专用 AI 芯片支持模拟，使研究人员能够以原本需要的百分之一的时间训练机器人大军。通过将强化学习与最新的人工智能进展相结合，机器人运动的极限可能会更接近物理世界的极限。