據18日《自然·機器智能》雜志報道，為了解動物如何學會走路和從絆倒中學習，德國馬克斯·普朗克智能系統研究所(MPI-IS)研究人員建造了一個四足機器狗“莫蒂”，它僅僅用了一小時就學會了走路。

莫蒂充分利用了復雜的腿部力學，通過貝葉斯優化算法指導學習:其足部傳感器信息與機器狗中運行的建模虛擬脊髓的目標數據相匹配。機器狗通過不斷比較發送的和預期的傳感器信息、運行反射循環以及調整其電機控制模式來學習行走。

在人類和動物中，中央模式發生器(CPG)是脊髓中的神經元網絡，可在沒有大腦輸入的情況下產生周期性的肌肉收縮。其有助于生成有節奏的任務，例如步行、眨眼或消化。機器狗莫蒂在大約一小時內比動物更快地優化其運動模式。

在機器狗平穩行走期間，來自其腳部的傳感器數據不斷與機器狗CPG預測的預期著陸進行比較。如果機器狗絆倒，學習算法會改變腿來回擺動的距離、腿擺動的速度以及腿在地面上的長度。調整后的運動也會影響機器狗利用其腿部力學的能力。

在學習過程中，CPG發送經過調整的電機信號，以便機器狗從此減少絆倒并優化其行走。

論文第一作者、MPI-IS動態運動研究小組的前博士生菲利克斯·魯珀特表示:“我們的機器狗實際上是‘天生’的，CPG類似于大自然提供的內置自動行走智能，我們已將其轉移給機器狗。當數據從傳感器流回虛擬脊髓，與CPG數據進行比較，如果傳感器數據與預期數據不匹配，則學習算法會改變行走方式，直到機器狗行走良好且不會絆倒。”

中樞模式發生器是產生動物節律運動行為的生物神經環路，是神經振蕩器與多重反射回路系統集成在一起組成的一個復雜的分布式神經網絡。近些年來，基于CPG的機器人運動控制成為仿生機器人領域新的研究熱點。科研人員讓四足機器人在極短時間內學會了走路，簡單理解，就是邊走邊學。它的CPG在不斷進行模擬，學習算法也不斷根據傳感器傳來的數據和模擬數據的差異進行調整。人工規劃的機器人步態太僵硬，而這種生物步態則能讓四足機器人更好適應周圍環境。