实习记者黄肇祥／综合报导
为了让机器人、人工智能更像人类，许多研究机构都不断尝试让机器学习人类的行为，其中「走路」正是其中备受瞩目的项目，瑞士洛桑联邦理工学院（EPFL）研究团队希望藉由改善关节的灵活度与智能演算法，让意大利开发的 COMAN 机器人自然学会人类行走的方式。
COMAN 有关建构造，正好符合人体的结构。
COMAN 是一款具有宛如人类「关节」的机器人，可以依据任务组装不同身体零件，EPFL 团队对这款机器人撰写新的控制程序码，让机器人学会保持身体的平衡。控制码会让机器人学习去分析自身位置、速度、关节角度等信息，再传送到控制中心给予各部位指令动作，研究员 Hamed Razavi 举例说明，「如果有人推 COMAN 一把，我们的控制码会计算脚必须放置在哪个位置，才能抵销外力保持平衡。」
「让机器人学会平衡走路只是最初的第一步！」Razavi 表示，下一步是要精进演算法，让机器人有更广泛的活动範围，可以克服各种障碍的路面。研究团队也期望演算法能以实际应用在现实社会，灾难性的救援任务是他们的主要目标，先透过程序码先让机器人学会爬楼梯与开门两个动作，接下来背负沉重的物体移动，最后甚至是能替残疾人是製造义肢。
影片中可以看到 EPFL 团队释出的影片，COMAN 目前走路仍摇摇晃晃的，比起人类似乎更像企鹅，影片中也展示机器人背负物体移动的画面，该项技术要完美模拟人类的行走方式看来仍需要一段时间，不过类似的研究其实不只是 EPFL，研发 AlphaGo 的 Deepmind 团队也尝试过类似的研究。
Deepmind 让 AI 在设置许多障碍的虚拟环境中，操控人偶突破重围，让 AI 藉由操作人偶自己学会走路、奔跑、跳跃等动作，同样是藉由修改演算法，採用一种名为「反馈学习算法」（reinforcement learning algorithm），可以帮助 AI 在不同环境灵活、自然的移动。要让人工智能与机器人更能贴近我们的需求，除了能接受命令与自行判断之外，行为举止也必须跟上人类的步伐才行。
