喬治亞理工開發「邊學邊教」框架，讓人形機器人輕鬆跨越沙地、碎石與坡道

喬治亞理工新框架讓人形機器人征服各類複雜地形

美國喬治亞理工學院（Georgia Tech）研究團隊開發出一套全新的機器學習框架，能讓人形機器人在沙地、碎石、濕滑草地、坡道、樓梯及光滑地面等各種複雜地形上穩定行走，同時顯著降低控制器訓練所需的時間與運算成本。

研究人員將此方法命名為「Learn to Teach（邊學邊教）」，改良了目前廣泛使用的「師生強化學習（teacher-student reinforcement learning）」模型——從傳統的依序訓練改為師生同步訓練，訓練出的控制器不僅能應對從未接觸過的地形，所需的運算資源也更少。

傳統師生學習法的瓶頸

傳統師生強化學習方法需要先建立一個「教師」模型，讓其透過詳細的模擬數據充分學習後，再將知識轉移給控制真實機器人的「學生」模型。這種依序訓練的流程存在兩大問題。

首席研究員吳飛揚（Feiyang Wu）指出：「這種方式有兩個問題：依序訓練耗費大量時間，而且教師在學習過程中蒐集的許多資訊都被白白浪費了。」透過模擬訓練機器人控制器，往往需要在昂貴的GPU硬體上運算數小時，既費時又費錢。

師生同步訓練：邊學邊教

喬治亞理工團隊打破傳統做法，讓教師與學生模型同步訓練。教師在逐漸學習的過程中，立即將所得知識傳遞給學生，大幅縮短了整體訓練時程。

「不需要等到教師成為專家才開始教導學生，」吳飛揚表示，「教師可以邊學邊把學到的東西逐步傳授給學生。」

此外，研究團隊也讓教師從學生的實際經驗中反向學習，有效縮小了機器人領域所稱的「師生模仿落差（teacher-student imitation gap）」——即學生在現實環境中遭遇的情況與教師理想化模擬情境之間的差距。

實際地形測試成果

新控制器被部署於副教授趙業（Ye Zhao）實驗室的一台全尺寸人形機器人上，在崎嶇戶外地形與室內光滑地面上均能順利行進，無需針對不同環境切換控制器。

研究過程中，團隊還對機器人施以推拉外力，機器人均能即時調整步態保持穩定。吳飛揚坦言，他們原本並未預期同一套控制器能在如此多樣的條件下表現出色：「對於這款體型龐大、身形高挑的人形機器人而言，能在如此惡劣的地形上做到靈活運動，此前從未被證實過。但我們這套高效率的訓練方案，確實能適用於各種地形與環境。」

趙業副教授補充，該控制器的表現甚至超越了機器人製造商原廠提供的軟體，充分展現了機器學習研究結合真實機器人應用的價值。

未來展望

研究成果已於IEEE國際機器人與自動化大會（ICRA）正式發表。研究人員表示，「Learn to Teach」框架不僅限於人形機器人行走，未來可望應用於其他機器人設計，以及各種需要在不可預測環境中可靠移動的任務，為整個機器人產業的控制器開發帶來新的可能。

原文來源： 查看原文