人工智能
损毁后能自我修复的机器人
[-]
如今机器人已经有自我治愈技能了，只要是用四肢让它在行动上出现障碍的破坏它都能快速恢复。这句话看起来可能很像科幻片里的情节，但是有新研究指出这有可能实现，给我们带来更强健、更有用也更自主的机器人。
这个研究的主导人是巴黎第六大学(也称皮埃尔和玛丽居里大学)的机器人专家Jean-Baptiste Mouret，在他们的实验里一个六腿机器人可以在其中两条腿损坏、丢失的情况下，用一分多钟重新调整自己继续走路。而机械臂也能在马达或接口坏掉几个的情况下学会抓起东西放到正确的位置。
Mouret说：“令我们惊讶的是机器人快速恢复的损坏程度，我们对它们各种虐待，但是它们也能找到新的办法来继续完成任务。”
适应性强的机器人
机器人能在非常恶劣的极端环境(如大海最深处或真空的外太空)中工作，但是工厂制作的机器人有一个缺点——缺乏适应能力。它们通常被破坏之后就没办法继续工作。
与机器人不一样的是，动物往往能在受伤之后迅速适应。比如，三条腿的狗狗还是能□□住飞盘，人类也能在脚踝扭伤或是其他伤害之后迅速找到继续行走的办法。
Mouret介绍说，如果我们想要让机器人帮助救援，比如在震后寻找幸存者、扑灭森林火灾或是在危急关头关掉核电站(比如日本福岛)，那我们就必须让它们能在被破坏之后仍然可以继续工作。在提到的这些情形中，每一个都是分秒必争的程度，而且机器人所处的环境也变幻莫测随时可能对它们造成损伤。即使是不那么极端的条件，就是一般的家庭助手类机器人。它们能帮助老人或病人，它们也需要在一些零件损坏、断裂的时候继续执行重要的任务。
直到现在，机器人一般都在初次诊断出错后开始恢复然后选择应急计划。不过，即使这个机器人有昂贵的传感器能够自我诊断出问题，如果它的设计师没办法预计它可能会面临何种问题并给出解决方案，有这个配件也白费。
相比之下，受伤的动物却能用尝试和犯错来学习如火如荼克服逆境。比如在腿受伤之后懂得一瘸一拐地走路能缓解腿部疼痛。而且，虽然科学家们已经开始为机器人编写试错程序，机器人克服问题的时间也需要15分钟以上。
这次开发出来的试错程序能让机器人在不到两分钟的时间里适应损坏，不需要传感器自我诊断也不需要应急计划。
Mouret说：“机器人最难能可贵的一点特性就是能在长时间人类不做维护的情况下也能保持工作。”
汲取经验教训
该团队的科学家们推论，动物们并不因为抓伤和挠伤学会自我恢复。它们积累了直觉的经验告诉自己该怎么做，这个事有几种做法。这些直觉意识会让他们在不同的情况下采用不同的行为办法，所以在受伤时也会有对应的解决□□供它们选择。我们的机器人也能做到。
在新模式下的机器人在被利用之前会先用计算机模拟出数千种不同的身体动作，并划分出哪些动作是可以在受到损伤也能使用的。这里面的所有数据都能作为机器人的直觉意识存储，够它们受用很久。不过他们并不是给机器人的运算里面写入类似“如果一条腿不见了要怎么走”的数据，而是“寻找尽可能多的不同的行走方法”。
当机器人面临真正的肢体伤害时，它能从这些试错算法和直觉经验中找到能弥补任何损坏的方法。
当它被损害之后，机器人自己就会变成科学家，它对不同的行为可能有什么后果都做了假设然后开始一个个测试。这些机器人能有效地试验各种不同的行为，排除在受伤时不能用的动作。
就好比走路这个简单的动作，如果它发现主要用后腿走不是很方便的时候，就会把重心放到前腿。最令人惊讶的是，它能非常快地学会新的行走姿势。看着机器人在两分钟内从残缺、摔倒在地到一瘸一拐地前行，自己脑补一下会多惊人。
现实使用
研究员们认为，这个办法能帮助机器人适应新环境、克服不可预见的困难。
它的潜在应用前景就是帮助救援人员搜索，不需要救援队员照看它的安全，而且机器人健康助手也比较好做，即使零件坏了一部分还是能继续为主人服务。
把机器人一辈子可能遇到的所有经历都模拟出来听起来成本会很高，然而并没有。Mouret说：“我们的方法其实很简单，不需要复杂的内置传感器，只需要知道它用不同办法执行任务得到的成效不同就可以，并不需要知道不能用预期的办法执行任务的确切原因。这反而会节约成本，因为这样一来机器人就不需要在全身装上能自我诊断的传感器。”
除此之外，研究员还指出，这个新理念带来的影响远远不止让机器人从损伤中修复这么简单。
这个经验学习及试错办法在原则上可以让机器人学习所有技能，此前出现的机器人都需要花几个小时才能学习一个新技能，录的机器人视频也永远是各种快进。如果就让它以实际耗费时间把视频播出来，观众的感觉就会像是看着草发芽生长一样，很需要耐心。但是现在不用了，我们看到的机器人学习新技能视频可以直接用真实时间播放，就像看着一只狗或小孩子学习新事物一样。所以，我们的机器人第一次能像动物和人类一样：学习有用的、尝试不同的。
Mouret和他的团队还在更高级的机器人身上真实测试他们的新模式，他们非常希望这个模式能帮助设计出救灾机器人。
本文译自 LiveScience，由 小笨 编辑发布。