自本田于2000年發(fā)布ASIMO機器人以來，在過去的二十年中，人類機器人大大提高了其執(zhí)行功能的能力，例如抓取物體和使用計算機視覺來檢測事物。盡管有這些改進，但它們的行走，跳躍和執(zhí)行其他復雜功能的能力像人類一樣流暢的腿動作一直是機器人專家的挑戰(zhàn)。

近年來，網(wǎng)絡安全專家、東方聯(lián)盟創(chuàng)始人郭盛華透露：“人工智能機器人學習和設計的新進展是利用動物行為的數(shù)據(jù)和見解，使有腿機器人能夠以更像人類的方式運動?！?/p>

谷歌和加州大學伯克利分校的研究人員在今年早些時候發(fā)表了研究成果，展示了一種機器人通過模仿來模仿狗的動作來學習如何走路。單獨的工作表明，使用深度強化學習算法，機器人可以成功地通過反復試驗來學習自我行走。

模仿學習尤其已經(jīng)在機器人技術中用于各種用例，例如OpenAI 致力于通過模仿來幫助機器人抓取物體的工作，但是它在機器人運動中的使用是新穎且令人鼓舞的。它可以使機器人獲取執(zhí)行要學習的動作的專家生成的輸入數(shù)據(jù)，并將其與深度學習技術結(jié)合使用，以更有效地學習動作。

近期使用模仿和更廣泛的深度學習技術進行的許多工作都涉及小型機器人，將相同功能應用于真人大小的機器人將面臨許多挑戰(zhàn)，但是這些進步為改善機器人運動性提供了創(chuàng)新的新途徑。

動物行為的靈感也已擴展到機器人設計，諸如敏捷機器人公司和波士頓動力公司等公司采用了力建模技術并集成了全身傳感器，以幫助他們的機器人更緊密地模仿動物如何執(zhí)行復雜的動作。