据 the verge 报道，科学家制作了一个像蜘蛛一样的爬行类机器人。这个“蜘蛛”机器人只有六条腿，行走时带着浓浓的机器范，每一步都带有明显的卡顿。而当科学家有意“打断”了它一条腿之后，顿时机器人开始寸步难行，不过没过多久，事情变得有点……

腾讯视频动物在落下永久性运动障碍后，将终其一生去适应这种行动的不便，最终找到一种相对安全稳重的运动方式。sorbonne university 研究员 jean-baptiste mouret 和一队科学家打算将人类对运动功能障碍的适应应用到机器人身上。在科学家眼中，只要找到人类适应性的数学模型，就能通过程序让机器人也学会去“适应”。

就像用身体去感知不同事物的幼儿，只是为了了解自己。

在最近一期的《自然》上，上述团队发表了一个算法，理论上能帮助“受伤”的机器人重新站起来，而且这个过程是完全智能的——机器人自动不断试错来适应新的身体状况。于是机器人带着科学家预设的智慧和直觉开始了实验。一开始机器人只知道自己身体是完好无损的，一旦受伤，它就会测试不同的“跛着走”策略，直至找到最好的方式。

在贝叶斯优化算法（bayesian optimization）支持下，机器人将从 13000 种步伐中选出一种方案并开始运用，同时传感器记录行走的速度和方向，来评估这个步伐是否够好。当电脑有 90%的置信度时，机器人将接受这一步法并按着预订的路线继续行走。经过反复尝试，机器人逐渐排除了一些不太靠谱的步法，对于新伤的适应时间也缩短到了一两分钟。

与传统算法的区别就是，新算法让机器人“知道”自己健全时的行进方式，并根据记忆去选择最优方案；而传统算法不会把这种“记忆”考虑进去。新算法在多数时候表现得更好，然而也有少数例外。科学家猜测，在较严重的伤害下，机器人的前置记忆可能将失去指导意义。

这种研究的意义远远不止于让机器人适应损坏的肢体，更广的层面上，通过前置记忆和贝叶斯优化算法可以让机器人适应不同的工作环境，以及工作中的突发状况。

让机器人学会像生物一样去适应变化是一项极其艰巨的任务。动物对于环境的适应来自于对环境的感知以及几千上万年的进化和代代遗传，和机器人相比简直是人民币玩家。哪怕目前应用新算法的机器人仍然笨拙，让机器人像生物一样跛着走也具有重大的科研意义。

以上是网络信息转载，信息真实性自行斟酌。