波士頓動力（Boston Dynamics）這幾年以令市場驚嘆的機器人技術聞名，從令人印象深刻的四足機器狗，到能夠跳躍和跑步的人形機器人。現在，該公司的創辦人 Marc Raibert 正計劃讓機器人超越本體的物理能力，賦予他們自主學習的技術。
強化學習：機器人自主學習的關鍵
強化學習（Reinforcement Learning，簡稱 RL）是一種幾十年前就已存在的 AI 技術，它讓電腦通過實驗和反饋來學習完成任務。這種方法在十年前因 Google DeepMind 展示了超越人類的策略和遊戲能力而聲名大噪。
如今，這項技術正被應用於機器人領域，使機器人能夠自主學習複雜的動作，而不必由人類精心撰寫程式來賦予它每一個動作。
「我們希望能夠讓機器人有自主行為，而不必手動設計它們所做的一切，」 Raibert 在最近的一次採訪中表示。
強化學習的驚人成果：Spot 速度提升三倍、電池壽命延長
根據機器人與 AI 研究所（RAI Institute，前身為波士頓動力 AI 研究所）的研究，通過強化學習技術，他們成功將波士頓動力的四足機器狗 Spot 的運行速度提高了三倍。
根據《IEEE Spectrum》報導，Spot 出廠預設的最高速度為 1.6 公尺/秒，而透過 RAI 研究所的強化學習技術，現在它能夠達到 5.2 公尺/秒（相當於 18.67 公里/小時）。
RAI 研究所的機器人專家 Farbod Farshidian 解釋：「機器人本身也不是生物，Spot 的驅動器不同於肌肉，它的運動學特性也不同，所以適合像狗一樣快速奔跑的步調，不一定適合這種機器人（Spot）。」
有趣的是，機器人展現的奔跑方式是一種「發現行為」，而非工程師明確寫程式的結果。研究人員只是要求機器人找到最快的移動方式，而它就自己發現了這種帶有「四腳同時離地」的特殊移動方式。
Farshidian 強調，RAI 的技術不僅僅讓 Spot 跑得更快——它還可以強化 Spot 的移動效率以延長電池壽命，或使 Spot 更安靜的移動，特別是在辦公室或是家庭的場景。
市場紛紛投入強化學習研究，有望應用在人形機器人
強化學習在機器人領域的應用正在全球範圍內快速擴展。加州大學柏克萊分校的一個團隊也使用這種方式訓練人形機器人在校園裡行走。蘇黎世聯邦理工學院（ETH Zürich）的另一個團隊正在使用該技術指導四足機器人穿越危險地形。
另外，RAI 研究所也在開發一種全新的機器人，稱為 Ultra Mobility Vehicle（簡稱 UMV）的小型跳躍自行車，該機器人使用強化學習技術進行機器人的平衡和驅動訓練。
2022 年， Raibert 創立了機器人與 AI 研究所（RAI Institute），探索腿式機器人和研究使它們能夠更獨立工作的技術。去年 11 月，該研究所宣布與波士頓動力合作「透過強化學習推進人形機器人發展」。
隨著波士頓動力等公司的創新，以及強化學習等技術的進步，我們可能很快就會看到機器人能夠獨立地執行各種複雜任務，真正走入我們的日常生活。
免費報名 3/17-3/21【NVIDIA GTC 2025】AI 大會
📢 活動辦法：成功報名 NVIDIA GTC 2025 並於 3/17-3/21 觀看任一場 GTC 線上演講，私訊 TechOrange 粉絲專頁提供報名時的註冊名稱、公司與信箱，即可抽 NVIDIA® GeForce RTX™ 4080 SUPER 顯卡！
【推薦閱讀】
◆ 尖峰時段 13 秒完成訂單！美速食店 Chick-fil-A 怎麼用無人機、大數據優化得來速？
＊本文開放合作夥伴轉載，參考資料：《WIRED》、《IEEE》，首圖來源：Boston Dynamics。
（責任編輯：廖紹伶）
