为了在周围环境中最好地移动并处理日常任务，机器人应该能够进行复杂的运动，有效地协调单个肢体的运动。因此，机器人学家和计算机科学家一直在努力开发计算技术，可以人工复制人类计划、执行和协调不同身体部位运动的过程
英特尔实验室（德国）、伦敦大学学院（英国）和VERSES研究实验室（美国）的一个研究小组最近开始使用分层生成模型来探索自主机器人的运动控制，这是一种计算技术，将数据中的变量组织成不同的级别或层次，然后模拟特定的过程
他们发表在《自然·机器智能》上的论文证明了这些模型在实现自主机器人中受人类启发的运动控制方面的有效性
“我们最近的论文探讨了如何从生物智能中获得灵感，将机器人的学习和控制形式化，”该论文的通讯作者李志斌（Alex）告诉Tech Xplore
“这允许在一个连贯的框架内对机器人的运动进行自然的运动规划和精确的控制。我们相信，运动智能的进化不是不同能力的随机组合。我们的视觉皮层、语言皮层、运动皮层等的结构有一个更深层次和结构上的原因，为什么这种连接不同神经路径的机制在一起可以有效和高效地工作。“
志斌副教授（Alex）最近的研究李和著名的神经科学家Karl Friston教授从神经科学研究中获得了灵感，特别是目前已知的人类生物智能和运动控制。该团队以人脑为参考，开发了软件、机器学习和控制算法，可以提高自主智能机器人可靠完成复杂日常任务的能力
与其他层次生成模型一样，李和他的同事开发的这项技术通过将任务组织成不同的层次或层次来工作。具体来说，该团队的模型将任务的过度目标映射到不同时间尺度下单个肢体运动的执行上
“例如，携带箱子从一个地方到另一个地方，自然会映射到走向目的地的全局粗略计划，再加上更密切的监控和精细的平衡控制，以及携带箱子和放置箱子——所有这些复杂的协调都会在使用我们的软件的同时自然发生。“
研究人员在一系列模拟中评估了他们的方法，发现它允许人形机器人自主完成一项复杂的任务，该任务需要多种动作，包括行走、抓握物体和操纵物体。具体来说，机器人可以在打开和穿过门以及踢开足球的同时取回和运输盒子。
李说：“我们最近的工作中最显著的发现之一是，从大自然中汲取灵感是一个很好的起点。”
“我们可以从大脑的相似性这一组织层面获得灵感，并指导我们对机器人大脑的设计，而不是从头开始进行工程设计。有相当多的工程工作是独立于生物启发方法而发明的，然而，我们还没有智能机器人能够像我们一样聪明地完成工作，只需要很少的能量，例如消耗面包和水。相反，如今，机器人使用巨大的力量和计算能力来做简单的事情。“
李和他的同事们收集的初步发现非常有希望，突出了层次生成模型将人类能力转移到机器人上的潜力。未来在各种物理机器人上的实验可能有助于进一步验证这些结果。
”在人类历史的这一点上，李补充道：“我们已经共同完成了大量的工作，分别复制了不同种类的人类水平的智能，这些智能相当于人类大脑的不同部分。现在，我们可以从生物大脑的结构和组织水平的功能方面获得灵感，了解不同的皮层如何相互协调。”。然后，我们可以根据人脑在功能层面的工作原理来设计一个人工大脑。“
该研究团队最近的工作有助于实现人工智能的持续努力，旨在使机器人的能力更接近人类。李和他的同事计划继续实施他们提出的用于复杂任务的真实机器人运动技能的方法，并最大限度地发挥其社会潜力。
李补充道：“这项研究使我们走上了一条可行的道路，通过具体的物理机器人和能力，在社会和科学界的良好和积极治理下，建立AGI（通用人工智能），将其作为一种新的生产力形式，使我们的文明走向更光明的未来。”。“在接下来的研究中，我们将继续努力实现这一目标。”
