大数据文摘作品
波士顿动力的网红机器狗不仅能走得稳，还能送快递，但科学家们对狗和AI的渴望还不止这些。
他们想知道AI能从一只汪星人那里学到什么。
这个“汪星人”AI在进行了某种感觉上的输入后，会谈到比如房间、街道的景象、飞去的球。 预测狗在这种情况下会做什么。
简而言之，学习成为优秀的汪星人。
训练机器学习系统来识别物体，进行街道导航和表情识别的任务很困难，但比不上进行模拟狗行为的模拟的复杂性。
通过这个项目，研究人员试图让AI通过观察温顺的狗，从基础上了解它如何像狗一样行动。
为什么要进行这个工程？
研究人员表示，虽然我们已经做了很多模拟感知的子任务，例如识别和提取对象，但是在“理解智能代理的动作和行为数据并呈现给虚拟世界”方面还做得不够。
也就是说，不仅要制造一只眼睛，还要模拟行为，使其成为控制眼睛的中枢。
那么为什么选择狗呢？
汪星人是具有足够复杂性的智能生物，“他们的目标和动机往往事先不知道。 ’也就是说，狗很聪明，但我们不知道他们在想什么。
作为该研究项目的初步尝试，小组希望密切监测狗，观察能否通过将其动作、行为及其看到的环境结合起来，建立准确预测这些动作的系统。
为此，他们给一只叫Kelp的爱斯基摩犬安装了基本的传感器。 Kelp的头部有GoPro照相机、6个惯性测量单元(腿、尾、躯干)，可以判断所有物体的位置。 一个麦克风和一个开源硬件( Arduino )将数据联系起来。
他们记录了Kelp几个小时的活动——让狗在各种环境中行走、拿东西、在狗仔公园玩、吃东西、和看到狗动作的东西同步。 结果，在狗的环境中以自我为中心行动的数据集，或者“DECADE”(他们用它来训练新的AI代理)。
这个代理在进行了某种感觉上的输入后，比如说房间、街道的景象、飞行的球等，然后预测狗在这种情况下会做什么。 当然，这样的预测在每个细节上都不是认真的。 但是，光是考虑如何活动身体，以及在哪里完成也是非常重要的任务。
研究人员Hessam Bagherinezhad在一封电子邮件中说：“学习了如何移动关节行走，如何在行走和奔跑时避开障碍物，追赶松鼠，跟踪主人，以及在玩耍时跟踪飞行的玩具等
这些是计算机视觉和机器人技术中的一些基本AI任务，我们一直试图通过为每个任务收集单独的数据来解决这些问题，包括运动规划、行走面、物体检测、物体跟踪、人的识别等。 ”
这个可以生成相当复杂的数据。 例如，狗的模特必须像狗自己一样知道，需要从这里到达那里的时候知道可以在哪里走。 不能走树、车、沙发。
从模型中也可以看出，该研究可以作为计算机视觉模型单独引入，以找到宠物(或小腿机器人)在特定场景中可以达到的位置。
研究人员表示，这只是初步实验，成功了，但成果有限。 其他人可能会考虑引入更多的感觉(需要嗅觉数据)数据，或者看看一只(或多只)狗生成的模型是如何在更大的范围内传播的。