不久前，我们已经讨论过能够在摩托车上完成不可能的旋转的机器人，这真实地展示了工程技术如何开始在以前仅由人类飞行员的本能、技术和敏感性统治的联盟中发挥作用。好吧，机器人技术应用于驾驶的第一个迹象仅仅是一个开始。超移动车辆 (UMV) 团队的最新进展证实我们正在进入一个新时代：在这个时代，机器不仅可以学习，而且可以像专业特技飞行员一样解释地形。
UMV 通过数百万次物理模拟的强化，从根本上扩展了其功能，这一过程使平台无需持续的物理测试即可进行改进。真正令人惊讶的是零样本迁移能力，即将虚拟环境中学到的知识应用到现实世界中，而不需要额外的调整。这代表了机器人学习移动方式的一场革命，特别是当我们谈论动态和极端行为时。
能够做越来越复杂的旋转的机器人
在最近发布的视频中，该平台展示了三个关键能力，与迄今为止所见的一切相比，这些能力标志着质的飞跃（而且从未更好地表述过）：
控制跳跃
UMV 不仅会跳跃：它还会预测、调整姿势、补偿身体旋转并面对接收信号，就像花费数年时间微调感觉的飞行员一样。强化学习使机器人能够了解如何管理地面能量、质量分布以及根据障碍物预测轨迹的需要。这是纯粹的应用物理学。
平面外平衡
直到最近，两轮机器人面临的巨大挑战之一是纠正非常规角度产生的侧向力或不平衡。 UMV 现在可以像对地形有感觉一样管理这些矢量，使用微调和超快反应来保持直立。换句话说：它不再只是平衡；而是。他表现得好像他明白平衡的原因。
在平面上翻转
是的，您没看错：UMV 能够在不需要坡道的情况下进行完整的翻转。这是其控制模型的强大功能和模拟保真度的最引人注目的证明。几十年来一直是 Stuntd 的专属领域，现在由一个由数百万次虚拟迭代提供支持的自治平台运行。
模拟与现实之间的明确共生
这一进步背后的真正原因不仅仅是机器人可以跳跃或做特技。这就是实现这一目标的方式。工程师们使用了数百万次模拟，涵盖了所有可以想象到的变量：摩擦、扭矩、重量转移、变形、惯性、故障和恢复。从这片数据海洋中，我们可以看到精致的、近乎完美的行为。
关键在于所谓的零镜头迁移：直接将虚拟知识应用到物理平台，而不需要在现实地面上重新编程、重新校准或“让它犯错误”。这意味着从根本上缩短开发时间并扩大必须在不可预测的环境中运行的机器人的可能性。
这对移动出行的未来意味着什么？
这看起来像是科幻小说，但我们正面临着新一代自动驾驶汽车的基础，这些汽车能够应对当今无法应对的动态挑战：在受灾地区进行救援、在不规则道路上进行自动运输、在极端环境中进行探索……甚至是机器人摩托车的新分支，这种情况在几年前看起来像是一个笑话，但现在正开始变得严肃起来。
是的，它也为不可避免的事情打开了大门：机器人学习技巧、特技和动作，可以完全重新定义机器和驾驶之间的关系。
我们今天在 Instagram 上看到的只是未来的一瞥。 UMV 不仅仅是一个用两个轮子移动的机器人：它是工程与自主学习的力量相结合可以走多远的一个例子。最重要的是，这是一个非常明确的警告：飞行员和机器之间的界限即将变得前所未有的模糊。
如果我们告诉的第一个消息对我们来说已经显得充满未来感，那么 UMV 的这一新发展直接表明了对移动机器人技术未来的意图。他承诺，最好的——也是最疯狂的——尚未到来。
