麻省理工学院（MIT）的四足迷你猎豹机器人最近刷新了自身的速度纪录，达到了每小时8.72英里（约14.04公里/小时）。这一成就主要得益于一个创新的无模型强化学习系统，使机器人能够自主探索出最优的跑步方式，同时适应各种地形，而无需依赖人工分析。

尽管迷你猎豹并非当前最快的四足机器人，但它在灵活性方面有了显著提升。麻省理工学院的Improbable AI实验室与美国国家科学基金会（NSF）旗下的人工智能与基础交互研究所（IAIFI）共同研发了这款机器人。

最新发布的视频展示了迷你猎豹在遇到障碍时能够迅速绕行，并能自主适应湿滑的冰面、松散的碎石等复杂地形。这主要得益于一个简单的神经网络，使其能够评估和应对各种环境。

传统的机器人通常需要依靠预先设定的模型来行动，这些模型基于机械部件的运动情况来制定。然而，在实际应用中，这些模型往往效率不高，且在处理突发情况时显得力不从心，尤其是在机器人达到最高速度时，系统硬件会承受巨大压力，使环境建模变得更加困难。

为了克服这些问题，MIT的研究团队采用了一种独特的“经验学习”系统。相比之下，像波士顿动力公司的Spot这样的机器人，则依赖人工分析运动特性，并手动调整机器人的软硬件参数。

MIT的迷你猎豹机器人能够通过反复试验自主学习，而无需人工干预。经过大量模拟实验后，机器人可以积累相当于100天的实际经验，从而在面对不同地形时自动优化其行为。

MIT的博士生Gabriel Margolis与IAIFI的博士后研究员Ge Yang表示：“我们开发的方法能够通过模拟积累经验，进而改进机器人的行为，这种方法同样适用于真实世界的实践。”

他们还提到，这一系统有助于进一步扩展技术的应用范围，这是传统方法难以实现的。未来，研究团队计划将这一方法应用于其他类型的机器人系统，例如可以抓取和操作各种物体的机械臂。