近年来，机器人专家开发了具有广泛解剖结构和功能的移动机器人。一类机器人系统被发现特别有希望在非结构化和动态环境中导航，是有腿机器人(即，具有两条或更多条腿的机器人，通常类似于动物)。

虽然腿式机器人是非常有前途的系统，但可靠地控制它们的运动或运动可能具有挑战性。虽然一些团队之前手动创建了运动控制器，但其他团队尝试使用机器学习算法自动对其进行编程。自动设计它们可能是有利的，但它通常需要长时间训练机器学习算法。

南丹麦大学MærskMc-KinneyMøller研究所的两名研究人员MathiasThor和PoramateManoonpong最近开发了一种替代方法来训练有腿机器人运动的控制器。这种方法发表在NatureMachineIntelligence上的一篇论文中，可用于在短时间内获得不同复杂性的运动行为。

“我们的论文是基于我之前的工作，我使用中央模式发生器(CPG)来控制有腿机器人的运动，”进行这项研究的研究人员之一MathiasThor告诉TechXplore。“这项新研究的主要目的是表明运动控制器可以简单易懂，但能够产生复杂的运动行为。”

由Thor和Manoonpong开发的新型灵活控制器基于受生物启发的人工中央模式发生器(CPG)和运动前神经网络。GPG是一种生物神经回路，允许动物先天地以有节奏的方式移动，从而产生呼吸、行走、飞行和游泳等行为。许多计算机科学家最近一直在尝试在机器中复制这些生物系统，以实现不同类型的机器人运动。

“CPG为电机生成有节奏的信号以跟随，运动前神经网络重塑CPG输出以获得高性能，”Thor解释说。“重塑基于机器人形态和感官反馈。我们控制方法的主要优势在于它学习速度快、易于理解和模块化。”

作为他们研究的一部分，研究人员在一个名为MORF的真正的六足物理机器人上评估了他们的方法。在他们的测试中，他们发现它取得了显着的效果，在非常短的训练时间后产生了他们想要的运动行为。

新方法还具有高度的灵活性和适应性，因为它允许开发人员轻松添加新的特定于行为的模块，从而产生越来越复杂的运动行为。未来，全世界的机器人专家和计算机科学家都可以使用它来快速训练各种有腿机器人，以新的有效方式在周围环境中导航。

“当使用我们的方法时，运动控制器不需要复杂或训练数小时或数天，”Thor补充道。“相反，复杂的运动可以从许多并行运行的简单模块中产生。由于控制器可以在不到30分钟的时间内学习新的行为，我们希望直接在真实世界的有腿机器人上学习运动行为，而不是模拟一个。”