近日，中國海洋大學信息科學與工程學部電子工程學院李光亮副教授受邀在人工智能、機器人領域頂級期刊Nature Machine Intelligence（《自然·機器智能》）發(fā)表題為“Embodied intelligence: Realizing full body control of humanoid robots”（具身智能：實現(xiàn)人形機器人全身控制）的論文。
具身智能的理念與圖靈1950年提出的人工智能概念密切相關,被認為是實現(xiàn)通用人工智能的一種有效途徑。具身智能通過將智能算法與機器人物理實體的感知、動作和環(huán)境相結合，通過與環(huán)境交互獲得更自然、更智能地解決問題的行為模式。人形（類人）機器人有可能成為最終的通用實體機器人。然而，當前大多數(shù)人形機器人設計都涉及集中式控制方法或聚焦于部分功能實現(xiàn)，使用傳統(tǒng)機器人控制工程方法來控制所有肢體和關節(jié)的運動。由于缺乏適應性且效率較低，這種方法難以在實踐中應用。最近，機器學習方法加速了智能實體代理的設計，深度強化學習解決了模擬和物理機器人（如高質量四足機器人）的復雜電機控制問題。
李光亮課題組針對深度強化學習實現(xiàn)實體機器人控制進行了深入研究，主要聚焦于人機混合增強智能與機器人學習從仿真到現(xiàn)實遷移兩個方向。人機混合智能方面，課題組最新相關研究成果被ICRA（2024a，2023a）、IROS（2024，2023）、Ocean Engineering(2024)錄用發(fā)表；機器人學習從仿真到現(xiàn)實遷移方面，最新相關研究成果被Nature Machine Intelligence2022、ICRA（2024b，2023b）、IEEE Robotics and Automation Letters2024錄用發(fā)表。其中，ICRA、IROS是全球規(guī)模最大、最具影響力的機器人頂級會議，Ocean Engineering是海洋工程領域頂級學術期刊。基于以上研究，課題組在Nature Machine Intelligence刊發(fā)的論文對實現(xiàn)人形機器人控制進行了調研，認為最近發(fā)表于Science Robotics的兩篇論文在深度強化學習實現(xiàn)人形機器人全身控制方面取得了突破，證明了人形機器人學習適應性技能并與環(huán)境靈活互動的可能性。課題組進一步提出從仿真到現(xiàn)實遷移是實現(xiàn)人形機器人全身控制的重要一環(huán)，并指出大模型的融入可以使基于深度強化學習的人形機器人控制擴展到復雜情形下的行為學習，甚至涌現(xiàn)出新的未曾設計過的行為模式（圖1）。
圖1 人形機器人全身控制涌現(xiàn)行為模式
李光亮副教授為論文第一作者和唯一通訊作者，合作者包括HondaResearchInstituteJapan首席科學家RandyGomez，中國海洋大學為第一作者單位和通訊作者單位。
李光亮副教授（前排左三）
李光亮課題組專注于基于深度強化學習的機器人學習與控制研究，近年來在人機混合增強智能、仿真到現(xiàn)實遷移強化學習、多智能體強化學習等領域取得了系列研究成果，對國內外相關領域研究產(chǎn)生了重要影響。相關研究工作獲得國家自然科學基金、山東省泰山學者青年專家項目、青島市自然科學基金與Honda Research InstituteJapan資助。
通訊員：徐君嶺
文章鏈接：https://www.nature.com/articles/s42256-024-00891-x
|
