麻省理工学院（MIT）的一组研究人员发明了一种计算机算法，帮助这种人工智能机器人使其速度最大化，从而打破了MIT之前机器人的前行速度记录。而实验的这款迷你猎豹（类似机器狗）可以自行旋转一圈，或者在冰上、松散的砾石和斜坡上飞奔。
考虑到机器人硬件，机器人能跑多快?麻省理工学院(MIT)人工智能研究员普尔基特 阿格拉瓦尔(Pulkit Agrawal)表示。他是构思该项目的“不可思议人工智能实验室”(Improbable AI Lab)的负责人。“我们想让机器人解除任意障碍而不被奔跑的时候受到影响。”
以前的顶尖机器人跑者只能在有限的情况下跑得快。他们在室内跑步机上表现最好，但在现实世界中穿越不平坦的地形时就会受到影响。相反地，能够穿越任何地形的机器人通常行动迟缓，因为它们的速度没有得到优化;
传统上，为一个快速移动的机器人编程时需要工程师预先计算出环境中所有可能造成阻力的变量，比如摩擦力和障碍物等。然后，他们必须为每一个可能的故障输入所有的命令，并分析机器人之前所犯的错误。在这个过程中，机器人要进行许多真实世界的试验，因为工程师无法事先对所有设置中的所有未知因素做出解释。
麻省理工学院的研究人员的解决方案是使用强化学习，一种目标驱动的机器学习形式，来帮助像迷你猎豹这样的机器人弄清楚如何自己达到最高速度。首先，该团队在计算机中模拟了现实世界的所有潜在场景。然后，在部署之前，他们对“迷你猎豹”的软件进行这些虚拟模拟训练。在这个数据集的基础上，没有任何编程限制，能够创建自己的标志性的短跑风格，这是人类无法想象的。(这也许可以解释为什么它的运动在我们看来很不自然)。此外，它还可以实时修改自己的步态，以适应其路线的条件。
多亏了这个机器学习软件，“迷你猎豹”的室内速度峰值从训练前的3.7米/秒提高到训练后的4米/秒。当它在户外穿越陌生的地形时，它或多或少保持着这种速度。它绊倒时可以自行爬起。即使它的腿断了，它也能找到办法以最快的速度蹒跚前行。算法提高了“迷你猎豹”敏捷性和响应能力的硬件增强包括视觉等感官元素，这样机器人可以在跳跃前仔细观察，并在发现前方有障碍时提前改变跑步行为。这可能会让迷你猎豹在充满挑战的地形上保持敏捷。
根据研究者称：该算法可以应用到任何机器人上，并且在不久将该算法进行开源，让所有的机器人能使用上，但是需要自身的硬件支持。比如实验的“迷你猎豹”工程师就换了个更大马力的马达。
