波士顿动力公司的四足机器人Spot近日通过强化学习掌握了后空翻技能。这一能力并非客户直接需求，但能显著提升机器人在复杂地形下的生存能力，如跌倒后迅速调整姿态以保护关键传感器。训练过程经历了从计算机模拟到在体操垫上测试，再到高风险环境的逐步演进。Spot成功完成连续后空翻后，其行走姿态也变得更加自然流畅，接近真实四足动物的运动模式。强化学习通过大量的试错和反馈调整，赋予了Spot精确的身体控制能力，甚至能在前腿安装滚轮的情况下保持平衡。

🤖 **后空翻技能提升机器人适应性**：波士顿动力Spot机器人通过强化学习掌握了后空翻这一高难度动作，这并非客户的直接需求，但能够显著增强机器人在复杂或极端情况下的生存能力，例如在意外跌倒、滑倒或被绊倒后，能够更有效地调整姿态，从而保护其机身及背部昂贵的传感器免受损坏。

🤸 **循序渐进的训练挑战**：Spot的后空翻训练过程经过精心设计，首先在计算机中进行模拟，随后在真实机器人上应用。为了降低风险，团队先在体操垫上进行初步测试，然后逐步增加难度，让Spot在更高风险的环境中完成动作，确保了训练的安全性和有效性。

🐾 **行走姿态的优化**：解锁连续后空翻技能为Spot带来了意想不到的“副产品”——其行走姿态变得更加自然和流畅，动作模式更接近真实的四足动物。这表明了强化学习在提升机器人运动协调性和灵活性方面的潜力。

🧠 **强化学习的核心作用**：整个训练过程的核心是强化学习。通过大量的试错和反馈调整，Spot逐渐学会了精确的身体控制能力，甚至在技术挑战更大的前腿安装滚轮的情况下，依然能够保持身体的平衡，展现了AI在复杂运动控制领域的强大能力。

IT之家 8 月 28 日消息，科技媒体 notebookcheck 昨日（8 月 27 日）发布博文，报道称波士顿动力公司宣布，其四足机器人犬 Spot 通过强化学习掌握了多次后空翻。

IT之家附上演示视频如下：

官方表示这一动作并非客户的直接需求，但这背后的强化学习训练能显著提升 Spot 在极端情况下的生存能力，例如在跌倒、滑倒或绊倒时更好地调整姿态，从而保护机身及背部昂贵的传感器免受损坏。

在研发过程中，波士顿动力首先在计算机中模拟后空翻动作。然而，正如公司机器人工程师阿伦・库马尔在视频中介绍的那样，初期将训练成果应用到真实机器人上几乎每次都会失败。

为了减少损坏风险，团队最初在体操垫上进行测试，随后逐渐增加挑战难度，直至让 Spot 在更高风险的环境中完成动作。

波士顿动力表示，Spot 解锁连续后空翻这个高难度技能后，还带来了意外收获 —— 其行走姿态变得更加自然，接近真实四足动物的动作模式。

强化学习是此次训练的核心方法。通过大量试错与反馈调整，Spot 逐渐掌握了精确的身体控制能力，甚至能在前腿安装滚轮的情况下保持平衡。