近日，腾讯公司的一项新研究登上了 Nature 子刊封面，引发了广泛关注。这项研究让两只机器狗进行 “大逃杀” 比赛，展示了机器狗在复杂环境中的自主决策和战斗能力。比赛过程中，机器狗展现了多种策略，甚至在研究人员加入战斗后仍能继续进行。
机器狗技术的发展可以追溯到几年前，当时全球机器人开发领域的头部公司波士顿动力推出了 Spot，引起了广泛关注。2020 年，瑞士 ANYbotics 公司设计的机器狗 ANYmal 登上了 Science 子刊封面，展示了其在复杂环境中的表现。同年，腾讯 Robotics X 实验室推出了 Jamoca，成为国内首个能完成走梅花桩复杂挑战的机器狗。
腾讯的这项新研究进一步推动了机器狗技术的发展。研究团队采用了一种基于深度强化学习的 “多专家学习体系结构”（MELA），使机器狗能够在复杂环境中自主决策和适应变化。具体来说，MELA 通过一组经过训练的专家技能初始化，然后通过门控神经网络（GNN）学习这些技能的组合，生成自适应技能。在比赛过程中，MELA 不断混合多种深度神经网络（DNN），动态合成新的 DNN，以产生适应环境变化的行为。
这一研究的技术细节包括：
- 底部层控制：使用转矩控制打造关节阻抗，确保机器狗在不同地形上的稳定性。
- 顶部层控制：指定 DNN，确定关节固定点，调节姿势和关节转矩，从而建立力与环境的相互作用。
- 多专家学习体系结构：通过深度强化学习，从一组专家技能中学习生成自适应技能，确保机器狗在不同环境中的灵活性和适应性。
通过这样的框架，研究团队在机器狗身上成功演示了多种运动技能，比如在平路、楼梯、跷跷板、砾石堆等路面自主进行连贯的小跑、转向和跌倒后起身。同时，机器狗还展示了 MELA 生成行为的优势，能够适应一些不可见的、完全陌生的场景。
机器狗技术的进步不仅在实验室中得到了验证，也在多个实际应用场景中展现了其潜力。机器狗在安防巡检、物流运输、教育科研等领域的应用已经初见成效。例如，云深处科技设计的 “绝影” 机器狗在地震等自然灾害中的表现，使其成为救援行动中的工具。
与其他机器人技术相比，机器狗在灵活性和适应性方面具有优势。传统的轮式机器人在复杂地形上往往表现不佳，而机器狗则能够应对各种地形变化。此外，机器狗的自主决策能力使其在无人值守的环境中表现出色，减少了对人类操作的依赖。