举个例子，当机器人从正常的地面进入冰面，它无法主动调整步态来适应冰面的低摩擦路况，只能通过预先的步态控制来尽可能地保持平衡 。李智彬认为，虽然从目前波士顿动力公开的视频看，重复预先编程的动作或者通过操作员在后台遥控操作，视觉效果十分惊艳，但实际应用上对于任务的成功率难以保障 。“事实上，如果换成人或者四足动物的话，正常的表现应该是先稳定身体平衡，然后改变走路方式，而不是原地踏步或者乱迈步 。”
另外，MELA深度学习架构还能在线帮助机器人适应硬件上的改变，这种改变可能是某只脚发生故障或者失去整条腿 。而目前波士顿动力现有的控制方法还无法实现对这类状况进行在线的适应性调整 。
10年内或迎来井喷
论文中，MELA主要由8个深度神经网络组成 。李智彬表示，在目前架构中，子神经网络的数量可以继续增加，具体的数量可由任务的复杂程度，以及涉及到的技能种类来决定 。“比如，让机器人实现小跑转弯、原地旋转、摔倒后用各种方式起身继续小跑等目标时，8个神经网络的数量是比较合适的，如果少于8个，其控制的技能数量不足；若多于8个，则会出现‘人浮于事’的现象，还会降低学习的效率 。”
在研究过程中，研究人员不断试错 。在技术路线和解决方法未知的情况下，他们通过各种试验进行尝试，包括科学方法和思路、工程实现，以及编程、软硬件调试等 。这些尝试中，各个环节的出错概率过半 。李智彬坦言，如要成功达成一定的研究目标，除了智力上的挑战之外，能否避开错误路线并坚持到最后更为重要 。
虽然试验过程并不容易，但李智彬认为，人工智能和深度学习的前沿方法目前仍然在研究阶段，每天都有新的突破 。而且，当前大量研究聚焦在机器学习方向上，实现了比较明显的量变的积累 。此外，不同领域的机器学习研究中，各个独立的研究工作呈现了“发现同一真理”的现象 。
“如果把全球机器学习和机器人领域的研究作为一个整体的话，目前要在真实机器上实现‘和人可比拟的运动和操作’能力，其所需的要素基本上已经齐全 。”李智彬说，“所以我们有理由相信，在未来的5年之内，只要少量的未解决的问题在学术圈或者公司得以突破，并且有机构能以足够的财力、人力和物力能够把相关研究成果通过工程方法融合在一起，井喷的阶段很快就会到来 。我们在2025年之前，肯定能够看到少量的、代表性的实物概念性验证 。其对人类科技和文明发展的更广泛的冲击，会在10年以上的时间尺度上更清晰地体现 。”（袁一雪）
【新算法让机器人媲美四足动物】
推荐阅读
- JS排序算法：冒泡、选择、插入、归并、快速、希尔、堆、计数
- realme搭载天玑1100-realme天玑810新机最新消息-_1
- dnf cp护石?dnf魔界大战护石属性
- 饼茶和圆茶的压制过程,2013年中茶普洱布朗经典生茶新品上市
- 白茶制茶工艺,新工艺白茶茶叶品鉴口胃醇正
- 护脑针对宝宝的影响
- 2018新茶现货,2018新茶现货聚芳永
- 华为|“新型啃老”之风潜滋暗长，多数父母未察觉，反而夸孩子很有孝心
- 马尾辫|2022夏季韩国发型模板，申敏儿新刘海火了，韩志旼的复古卷更显瘦
- redmi note8pro安卓11?redmi note8更新miui12