导读：

探索与革新：丰色 发自 凹非寺 量子位 | 公众号 QbitAI

在机器人领域，一个看似不起眼的挑战却引起了科技界的广泛关注——四足机器人如何在遭受意外伤害，比如“断腿”后仍能保持稳定前行。谷歌与密歇根大学的研究团队最近揭示了这一可能性，他们的创新成果表明，即便是面对突如其来的环境变化，机器人也能迅速调整策略，继续前进。

研究亮点：

• ARZ算法：研究团队引入了一种名为AutoRobotics-Zero (ARZ) 的搜索算法，该算法不依赖大型模型或神经网络的支持，却能赋予机器人在遭遇剧烈环境变化时的适应能力。
• 自主适应：ARZ算法的显著特性在于其能快速响应环境变化，如机器人“断腿”情况，机器人能自动调整行动策略，保持稳定前行，展现出非凡的自主恢复能力。
• 超越传统：对比传统的循环神经网络（RNN）技术，ARZ算法在策略适应性、计算效率及可解释性方面表现出色，为机器人在复杂环境中的应用提供了新的思路。

技术细节：

• 从零出发：基于AutoML Zero技术，研究者将机器人行动策略视为程序代码，仅使用基本数学运算构建模块，实现了从空白到解决问题的计算机程序的自动演化。
• 进化算法：ARZ算法融合了非支配排序遗传算法II（NSGA-II）和正则化进化算法（RegEvo），在进化过程中高效优化策略，使其能在不同环境下灵活调整，包括应对“断腿”等紧急情况。
• 自适应机制：通过不断进化，ARZ算法能够发现控制程序，利用机器人与环境的互动经验，动态调整策略参数或执行新的控制逻辑，实现环境适应性。

实验验证：

• 模拟环境测试：在宇树科技的Laikago四足机器人模拟器中，ARZ算法展现了其卓越性能，在模拟“断腿”情况下，机器人能够保持稳定前行，避免摔倒，这是其他基于神经网络的方法所无法比拟的。
• 对比分析：实验结果清晰显示，经过充分参数优化的多层感知机（MLP）和长短时记忆网络（LSTM）等传统方法在处理此类问题时表现不佳，无法保证稳定性和可靠性。
• 高效与透明：ARZ算法不仅在性能上超越传统方法，还在可解释性方面表现出色，其策略的演化过程能够被清晰理解，为未来的机器人设计提供了宝贵的参考。

结论与展望：

ARZ算法的问世，不仅为机器人在不确定环境中的应用提供了全新解决方案，也为机器人自主适应性策略的设计与优化开辟了新的研究方向。未来，随着技术的进一步发展，我们有望见证更多机器人在复杂多变的环境中展现出前所未有的智能与灵活性。