波士頓動力人形機器人的后空翻技能亮相時，驚艷了全球群眾。

這么復雜的動作，不用說現實世界中的機器人，就算是在模擬器里，學起來也非常的難。

現在，加州大學伯克利分校和英屬哥倫比亞大學最新研究的一種新方法，能教生活在模擬器中的機器人通過模仿人類，學會武打、跑酷、雜技等復雜技能。

后空翻回旋踢什么的，輕輕松松搞定~

（下文還會提到很多次“機器人”，基本都是生活在模擬器里的這種）

讓機器人、動畫和游戲角色能靈活流暢地運動，是計算機圖形學、強化學習、機器人等等領域的研究者都在追求的目標。

不同方法各有所長，當然也各有所短。

用強化學習方法教機器人（模擬器里的智能體），能學會的動作花樣繁多，細致到拿東西、豪放到奔跑都能搞定，還可以給機器人設置一個明確的目的。但是，總難免上演一些羞恥或驚喜play。

而動作捕捉技術，能讓機器人做出和真人一模一樣，自然流暢毫無違和感的動作。但是，活學活用是不能指望的，每個動作、每個形態的機器人，都是需要單獨訓練的。

伯克利的科學家們取這兩個領域所長，創造了一種新方法DeepMimic。這種方法既有深度學習模型的通用性，可以覆蓋更多的動作類型和機器人形態，動作的自然流暢程度也可以媲美動作捕捉。

用這種新方法，機器人究竟是怎么學習新動作的呢？

簡單來說是通過看動作片段來學習，人類的動作捕捉數據就是個很好的學習資料。給機器人展示一個動作樣本，比如說下圖這個側空翻，右側就是供機器人學習的示范樣本。

參與這項研究的科學家們將示范動作分解成一個q^0,q^1,…,q^T的序列，q^T表示的是在機器人在t時間步的目標動作。而這個機器人學習的目標，就是要盡可能消滅t時間步的實際動作qT和目標動作q^T的差距。

機器人勤勞地不停練習練習練習，直到自己的動作不再羞恥，靈活性和仿真度能夠媲美演示視頻，像上圖左側那樣。

指導這個練習過程的，是這樣一個獎勵函數：

除了空翻，用這種方法教出來的機器人還能學到中西舞蹈、南拳北腿、跑步打把勢甚至鯉魚打挺：

對著完美的動作捕捉樣本，再copy一遍，有什么意思？這項研究當然不止于模仿。DeepMimic能讓機器人通過模仿學會動作之后，再活學活用起來。

比如當一個機器人學會了投球，就可以去執行一個演示樣本中沒有的任務。我們可以在模擬器中，指定一個目標讓它來投：

訓練的機器人，也可以長得和演示樣本不太一樣。比如說還是用前邊的后空翻樣本，可以訓練一個模擬波士頓動力Altas的機器人：

甚至不是人形的機器人，也可以用人形樣本來訓練。比如說這頭霸王龍，就是跟人形樣本學習的走路。在論文的主頁上，他們還展示了更多的例子，甚至還有獅子和龍~