人类本能地行走和奔跑——快步走感觉毫不费力，且会自然而然地调整步幅和步伐，而无需有意识地思考。然而，对于实体人工智能机器人来说，掌握基本动作并不一定意味着能够适应新的或意料之外的情况。

即使机器人经过训练可以高速奔跑，在执行不同任务时，它也可能难以进行细微的调整——例如调整腿部角度或施加合适的力量——这常常导致动作不稳定或停滞。

图片来源： UNIST

据外媒报道，认识到这一挑战，韩国蔚山国立科学技术大学（UNIST）人工智能研究生院的Seungyul Han教授及其研究团队开发了一种开创性的元强化学习技术，使人工智能代理能够独立预测和准备不熟悉的任务。他们引入了任务感知虚拟训练（TAVT）——一种创新方法，使人工智能能够提前生成虚拟任务并从中学习，从而显著增强其适应不可预见挑战的能力。

该研究采用双模块系统，包含基于深度学习的表征组件和生成模块。表征模块评估不同任务之间的相似性，创建一个捕捉关键特征的潜在空间。生成模块随后合成新的虚拟任务，这些任务反映了现实世界场景的核心方面。这一过程有效地使人工智能能够预先体验尚未遇到的情况，从而提升其对分布式外（OOD）任务的准备程度。

首席研究员Jeongmo Kim解释说：“传统的强化学习训练代理在特定任务中表现出色，限制了其泛化能力。虽然元强化学习让代理接触多种任务，但适应全新的、未曾见过的情况仍然是一项挑战。我们的TAVT方法能够主动帮助人工智能为此类场景做好准备。”

该团队在各种机器人模拟中测试了TAVT，包括猎豹、蚂蚁和双足机器人。值得注意的是，在Cheetah-Vel-OOD实验中，使用TAVT的机器人能够快速适应前所未有的中等速度（1.25和1.75米/秒），并保持稳定高效的运动。相比之下，传统训练的机器人通常难以适应，导致不稳定或失去平衡。

Han教授强调：“这种方法显著提高了人工智能在不同任务中的泛化能力，这对于自动驾驶汽车、无人机以及在不可预测环境中运行的实体机器人等应用至关重要。它为更灵活、更具韧性的人工智能系统铺平了道路。”