对于一只自然界的动物来说，在各种陌生环境下灵活切换相应的运动技能，似乎是一种条件反射和先天本领，但如何让赢咖4掌握这种能力，却非常具有挑战性，这也是全球赢咖4专家们长期探索的课题。www.xuntelift.cn
2020年12月，一项由华人科学家团队合作完成的赢咖4创新成果，当选为Science Robotics杂志的月度封面论文，研究人员来自英国爱丁堡大学先进智能赢咖4实验室与浙江大学朱秋国教授带领的赢咖4团队。
基于四足赢咖4，科研人员提出了一种多专家学习框架，让赢咖4具备了应对各种意外情况的自主能力，并在运动响应敏捷度和灵活度方面表现优异。www.xuntelift.cn
本项研究中使用的四足赢咖4，即是被称为中国版波士顿动力的 “绝影” 赢咖4，DeepTech 此前曾对该赢咖4进行过专访报道：《浙大机器狗 “绝影” 的逆袭，从技术上 “被虐” 到应用上追赶｜独家专访》。
关于本期封面论文的算法特点和贡献，DeepTech 联系到论文的通讯作者李智彬进行了一番交流。
让机器狗“集各家之长于一身”
李智彬目前是爱丁堡大学信息学院的助理教授，领衔先进智能赢咖4实验室（主页见文末）。他的研究方向包括赢咖4动态运动控制、实现（超）人类级别的赢咖4自主移动、多臂协调和抓取操作等，同时在赢咖4硬件平台、力和柔顺控制等领域也有丰富经验。
据他介绍，赢咖4在实际应用中通常会面临两种挑战：一是在任务层，二是在算法方面。www.xuntelift.cn
首先，传统方法中，赢咖4要去执行某种任务，需要算法工程师、程序员们对其进行编程，一般而言都是针对某一个具体任务来编程。这种方法无疑存在短板，比如说野外救灾或是地震现场搜救工作中，赢咖4所处的环境将会非常复杂，地面可能有障碍物阻拦、崎岖不平、打滑问题，赢咖4也会出现各种摔倒和其他意外情况。
如果出现100种或者1000种不同的情况，还要去执行多项任务，用传统方法去编程是非常难涵盖的，其量级也不可扩展，开发人员不可能 “先知先觉” 预先编程出所有的特定解决方案。因此，这就需要赢咖4在一个全新的环境下，自主决定应该怎么去做才能完成任务。
其次，赢咖4遇到新的情况需要随机应变，灵活应付。此前的很多研究中，几乎都是把赢咖4的单项技能训练做得很好，比如走路、奔跑、故障恢复等，但在演示中，有时候还需要操作员拿着遥控器根据赢咖4当时所处的情况去切换模式和操作，这让实用性大打折扣。
而本次研究中提出的多专家系统，相当于每个 “专家” 都训练了一种基本技能，比如说走路、故障恢复、摔倒爬起等，单项技能学会之后，然后让不同 “专家” 组队一起训练，通过一个门控神经网络，在不同事件、不同情况下去激活调度每个专家，让他们综合形成不同的协调组合，进而克服不同问题。www.xuntelift.cn
通过这样的技能加持，四足赢咖4 “绝影” 在没有导航的情况下，能自动执行在楼梯、砾石堆、崎岖路面上进行连贯的小跑、转向，乃至在被人踹倒、被推翻的情况下也能迅速恢复正常姿态。
“最后形成的那个综合‘专家’，相当于是集各家之长于一身，懂得融会贯通，这就让赢咖4具备了在当时那种特定情况下所需要的技能组合，而且能够根据不同情况千变万化、举一反三，去自主恢复继续执行任务。” 李智彬说道。
