腾讯机器狗进化：通过深度学习掌握自主决策能力

6月14日，腾讯robotics x机器人实验室公布了智能体研究的最新进展，通过将前沿的预训练ai模型和强化学习技术应用到机器人控制领域，让机器狗 max 的灵活性和自主决策能力得到大幅提升。

让机器狗像人和动物一样灵活且稳定的运动，是机器人研究领域长期追求的目标，深度学习技术的不断进步，使得让机器通过“学习”来掌握相关能力，学会应对复杂多变的环境变得可行。

引入预训练和强化学习：让机器狗更加灵动

腾讯Robotics X机器人实验室通过引入预训练模型和强化学习技术，可以让机器狗分阶段进行学习，有效的将不同阶段的技能、知识积累并存储下来，让机器人在解决新的复杂任务时，不必重新学习，而是可以复用已经学会的姿态、环境感知、策略规划多个层面的知识，进行“举一反三”，灵活应对复杂环境

☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜

这一系列的学习分为三个阶段：

第一阶段通过游戏技术中常使用动作捕捉系统，研究员收集真狗的运动姿态数据，包括走、跑、跳、站立等动作，并利用这些数据，在*器中构建了一个模仿学习任务，再将这些数据中的信息抽象并压缩到深度神经网络模型中。这些模型不仅能够准确地涵盖收集的动物运动姿态信息，而且具有相当高的可解释性。

腾讯Robotics X机器人实验室和腾讯游戏合作，用游戏技术提升了*引擎的准确和高效，同时游戏制作和研发过程中积累了多元的动捕素材。这些技术和数据在基于物理*的智能体训练和真实世界机器人策略部署中扮演了一定的辅助角色。

神经网络模型只接受机器狗的本体感知信息（如电机状态）作为输入，以模仿学习的方式进行训练。在下一步中，模型会融合周围环境的感知数据，例如利用其他传感器来探测脚底下的障碍物。

第二阶段，通过额外的网络参数来将第一阶段掌握的机器狗灵动姿态与外界感知联系在一起，使得机器狗能够通过已经学会的灵动姿态来应对外界环境。当机器狗适应了多种复杂的环境后，这些将灵动姿态与外界感知联系在一起的知识也会被固化下来，存在神经网络结构中。

PatentPal专利申请写作

AI软件来为专利申请自动生成内容

274 查看详情

第三阶段，利用上述两个预训练阶段获取的神经网络，机器狗才有前提和机会来聚焦解决最上层的策略学习问题，最终具备端到端解决复杂的任务的能力。在第三阶段中，额外添加的网络将会收集与复杂任务有关的数据，例如在游戏中获取对手和旗帜的信息。此外，通过综合分析所有信息，负责策略学习的神经网络会学习出针对任务的高阶策略，例如往哪个方向跑动，预判对手的行为来决定是否继续追逐等等。

上述每一阶段学习到的知识都可以扩充和调整，不需要重新学习，因此可以不断积累，持续学习。

机器狗障碍追逐比赛 ：拥有自主决策和控制能力

为了测试Max所掌握的这些新技能，研究员受到障碍追逐比赛“World Chase Tag“的启发，设计了一个双狗障碍追逐的游戏。World Chase Tag是一个竞技性障碍追逐赛组织，2014年创立于英国，由民间儿童追逐游戏标准化而来。一般来说，障碍追逐比赛每轮次由两名互为对手的运动员参加，一名是追击者（称为攻方），一名是躲避者（称为守方），当一名运动员在整个追逐回合中（即20秒）成功躲避对手（即未发生触碰）时，团队将获得一分。 在预定的追逐回合数中得分最多的战队赢得比赛。

机器狗障碍追逐比赛的场地尺寸为4.5米 x 4.5米，上面分布着一些障碍物。游戏起始，两个MAX机器狗会被放置在场地中的随机位置，且随机一个机器狗被赋予追击者的角色，另一个为躲避者，同时，场地中会在随机位置摆放一个旗子。

躲避者的目标是尽可能接近旗子，但要确保不被追击者捉住。追击者的任务则是抓住躲避者。如果躲避者在被抓到之前成功触碰到旗子，则两个机器狗的角色会瞬间发生互换，同时旗子会重新出现在另一个随机的位置。当躲避者被当前的追击者抓住并且此时扮演追击者角色的机器狗获胜时，游戏即告结束。在所有游戏中，两个机器狗的平均前进速度限制为0.5m/s。

从这个游戏看来，在基于预训练好的模型下，机器狗通过深度强化学习，已经具备一定的推理和决策能力：

比如，当追击者意识到自己在躲避者碰到旗子之前已经无法追上它的时候，追击者就会放弃追击，而是在远离躲避者的位置徘徊，目的是为了等待下一个重置的旗子出现。

另外，当追击者即将抓到躲避者的最后时刻，它喜欢跳起来向着躲避者做出一个"扑"的动作，非常类似动物捕捉猎物时候的行为，或者躲避者在快要接触旗子的时候也会表现出同样的行为。这些都是机器狗为了确保自己的胜利采取的主动加速措施。

据介绍，游戏中机器狗的所有控制策略都是神经网络策略，在*中进行学习并通过zero-shot transfer(零调整迁移），让神经网络模拟人类的推理方式，来识别从未见过的新事物，并把这些知识部署到真实机器狗上。例如下图所示，机器狗在预训练模型中学会的躲避障碍物的知识，被用在游戏中，即使带有障碍物的场景并未在Chase Tag Game的虚拟世界进行训练（虚拟世界中仅训练了平地下的游戏场景），机器狗也能顺利完成任务。

腾讯Robotics X机器人实验室长期致力于机器人前沿技术的研究，以此前在机器人本体、运动、控制领域等领先技术和积累为基础，研究员们也在尝试将前沿的预训练模型和深度强化学习技术引入到机器人领域，提升机器人的控制能力，让其更具灵活性，这也为机器人走入现实生活，服务人类打下了坚实的基础。

以上就是腾讯机器狗进化：通过深度学习掌握自主决策能力的详细内容，更多请关注其它相关文章！

# 藏着  # 怎么在分类信息网站推广  # 广平互联网营销推广招聘  # 龙岩网站建设必备知识  # 网站营销推广怎样做  # 擅长营销推广  # 广州百度网站优化  # 弄一个网站再推广多少钱  # ai推广网站  # 海阳企业推广网站  # seo描述用英文逗号  # 深度学习  # 中国  # 微软  # 也会  # 游戏中  # 门店  # 开源  # 一名  # 专利申请  # 自主决策。  # 腾讯 

相关栏目： 【 行业新闻62819 】 【 科技资讯67470 】

相关推荐： 会模仿笔迹的AI，为你创造专属字体  探展WAIC | 第四范式“式说”聚焦toB大模型，布局生成式AI重构企业软件  人工智能如何与智能家居集成  DreamAvatar数字人在哪里下载  测试框架-安全和自动驾驶  人工智能即将进入Windows：企业准备好安全策略设置了吗?  甲骨文与Cohere合作为企业提供生成式人工智能服务  抖音在Android平台获得VR|直播|软件著作权  AI工具助力公司实施每周4.5天工作制，带来巨大效益  Meta Connect 2025已确定时间为9月27-28，主题涵盖Quest 3与AI技术  V社回应拒绝上架含 AI 生成内容的游戏：审核政策正在调整中  【|直播|预告】人工智能高峰论坛将于7月2日13:30准时开播！  智能化解决方案：保障数据安全阻击泄露和丢失  随时随地，追踪每个像素，连遮挡都不怕的「追踪一切」视频算法来了  13 个提高生产力的 AI 工具  AI生成新闻网站数量激增，正在疯狂赚取广告收入  将上下文长度扩展到256k，无限上下文版本的LongLLaMA来了？  标贝科技亮相国际顶会ICASSP2025 加速布局海外AI数据市场  两小时就能超过人类！DeepMind最新AI速通26款雅达利游戏  午报 | 字节跳动要造机器人；东方甄选首次启动自有APP|直播|  视觉中国推出付费AI绘图功能：无版权可用  AI进军债券交易，BondGPT来了！  山东机器人编程：Scratch编程基础，认识舞台！~济南机器人编程  华为HarmonyOS 4将集|成人|工智能大型模型  美图影像节演讲实录：191次提及AI，发布7款影像生产力工具  南京制造的国产工业机器人：在外资品牌竞争中突围，年销售1.8万台  借助ChatGPT快速上手ElasticSearch dsl  生成式人工智能进入产业应用！但再“聪明”仍是工具，最终目的是服务于人  上新7款产品，美图继续“蹭”AI  海南科技职业大学第25届中国机器人及人工智能大赛海南赛区荣获一等奖等114项  张勇对话多位诺奖得主 人工智能将无处不在  行业首发「超级智绘」AI故事集，TCL实业推进AI技术应用  争鸣：OpenAI奥特曼、Hinton、杨立昆的AI观点到底有何不同？  以计算机视觉技术为基础的库存管理如何改革零售行业  羚客系统即将升级，推出全新的AI数字化工具  Databricks推出人工智能模型共享机制，可令开发者与公司“双赢”  Prompt解锁语音语言模型生成能力，SpeechGen实现语音翻译、修补多项任务  MiracleVision视觉大模型功能介绍  苹果在韩举办首届中小企业智能制造论坛，加速推动工业4.0发展  优化J*a与MySQL合作：分享批处理操作的技巧  全国青少年无人机大赛重庆市选拔赛开赛 1252名中小学生参加  周鸿祎参加中美青年科技创新峰会，分享人工智能创新机遇  OPPO三方联合发布AI可持续发展白皮书，坚持发展健康AI生态  小米创始人雷军将揭示小米AI在年度演讲中的最新进展  埃森哲俞毅：AI时代我们需要新的“摩尔定律”  酒店业将如何受益于人工智能的改变？  马斯克发推讽刺人工智能，机器学习本质是统计？  AMD称下半年AI显卡供应充足，不需要像NVIDIA那样加价抢购  精准度可提高 20%：英国九家银行签约使用基于 AI 的“消费者欺诈风险系统”应对*  大模型训练成本降低近一半！新加坡国立大学最新优化器已投入使用