机器人在工作不太正常的时候看起来最逼真。看着一个蜘蛛般的机械生物失去肢体后挣扎着继续前行，感觉就像看着一只受伤的动物，有一个很大的区别：动物一生都在想如何适应受伤，更不用说数百万年的进化了。机器人可能一点经验都没有。这就是索邦大学研究员让-巴蒂斯特-穆雷特和一组科学家试图解决的问题。在本周出版的《自然》杂志上，该组织提出了一种算法，有可能帮助机器人更快、更一致地补偿受伤。

穆雷特说：“对我们人类来说，很直观地说‘如果有什么东西坏了，首先我需要某种诊断来知道是什么问题，然后我们会努力找到解决办法。’”。有时这是人类书写的固定模式，有时机器人可以自己解决。例如，康奈尔大学的研究人员开发了一种四条腿的“海星”机器人，它可以识别自己身体的某些部位，并相应地适应变化。不过，穆雷特的团队认为，机器人可以简单地通过试错来适应，而不必先了解出了什么问题——就像一个人在不知道自己是扭伤还是骨折的情况下开始跛行一样。他们认为，通过“教”机器人自己的身体首先能做什么，他们可以帮助机器人借鉴过去的知识来做到这一点。

“它不明白什么是坏的。它只知道有些事情并不像预期的那样。”

在这项研究中，一旦研究小组构建并编程了一个机器人，算法就对其潜在的行为范围进行了分类——机器人可以想象的每一种移动方式——并确定了最佳选择。穆雷特说：“这有点像一个孩子，用自己的身体尝试许多不同的事情，只是为了了解自己。”。当它被送到野外时，机器人已经有了一套基于其未受损身体的基本直觉。受伤后，它可以利用这些知识作为起点，测试新的选择。”“这些直觉大多数时候都是错误的，”穆雷特说机器人不相信他们，但说'让我们试试这个东西，因为我们有直觉，这可能会工作'

一旦开始这个过程，机器人就会使用一个叫做贝叶斯优化的数学模型来寻找新的策略。例如，一个机器人一开始可能会意识到，它的正常行走方式现在让它绕圈子——研究人员已经停用了其中一条腿。它检查现有的大约13000个步态的知识库，选择一个可能的解决方案，并测试它，同时传感器测量它的速度和方向。然后，它转向下一个选项，用更多的随机选择来平衡自己的“直觉”，从而揭示一条新的道路。一旦它有90%的信心找到了最快最直的选择，它就会重新开始工作。”它不明白什么是坏的。它只知道有些东西不符合预期，然后试图找到一些工作，尽管损害，”穆雷特说。

研究小组在两个机器人上测试了这个算法：一个六条腿的步行机器人和一个多关节的旋转手臂，该手臂试图将乒乓球扔进杯子里。他们测试了五种不同的打破六足动物的方法，包括部分切断一条腿，完全切除两条腿，以及尝试临时修复。在对每个场景进行40次测试后，测试人员通常需要一分钟来适应新的步态。与此同时，机械臂的各个关节要么断裂，要么卡在原地；它在不到两分钟，通常不到30秒的时间内持续适应。

不过，这种模式有局限性。例如，对于他们测试的14个机械臂错误中的两个，团队的算法没有比传统的、非“直观”的试错法表现得更好。研究小组假设，如果损伤足够严重，机器人的身体会发生很大的变化，以至于之前的知识变得毫无用处。同样，如果一个机器人的传感器——不仅仅是它的附属物——受损，它将无法获得足够准确的信息来适应。而现在，它只响应相当简单的目标。例如，当人类和动物跛行的时候，他们不仅仅是想找到一种新的行走方式，他们也在避免进一步伤害自己。对于机器人来说，这是不可比拟的；他们只是希望更快或更准确。

“很难想象机器人有多瞎，”穆雷特说我们有皮肤，我们有所有的内脏，所有这些东西都在传递感官信息。但机器人通常只有几个传感器，“部分原因是，穆雷特和他的团队正在测试的机器人也几乎不知道自己身体外发生了什么。所以如果他们在不平坦的地面上，或者在一个很小的空间里，他们就不能把这个因素考虑到他们的试错中。下一步是纠正这一点，测试更复杂的机器人，使其具有更大的运动范围和更多的观察世界的方式。

“很难想象机器人有多瞎。”

总的来说，穆雷特认为这个系统可以很容易地适应现有的机器人，特别是像DARPA机器人挑战赛中的竞争对手那样的高级仿人机器人。”所有这些机器人都是多才多艺的，”他说。如果有一部分坏了，他们有很多方法来补偿，就像人类或动物一样。机器越精简、越具体，算法就越没用。”如果你用吸尘器，这个机器人只有两个轮子。所以如果一个轮子坏了，也许它能做点什么。“如果两个坏了，它什么也做不了，”穆雷特说当然，对于像喷气式飞机这样的相当不灵活的系统来说，对损伤做出反应同样重要。例如，美国宇航局的研究人员正在用自己的智能自适应系统测试飞行控制系统。

从理论上讲，帮助机器人找出他们能做什么，然后告诉他们实现一个特定的目标，其应用可能超出了适应伤害。例如，一个完好无损的步行机器人就可以利用这种算法来解决如何穿越困难地形的问题。但这些都是次要的选择。”我认为工程师很擅长他们的工作。因此，当我们试图优化某个东西，使其发挥作用，或者**一个更好的机器人时，他们通常会有非常好的想法，”穆雷特说。工程师们无法预测他们的作品可能会出什么问题。”这种算法可以用来优化机器人，使其具有更好的性能。但我认为当周围没有人的时候，它会更有用。”