最近，谷歌的人工智能子公司DeepMind连续发布了三篇论文，探讨了如何使用「强化学习」的方法来教导AI，使它能在不熟悉或复杂的环境里自主导航运动路线。

这是一项在虚拟世界中对人工智能进行的测试，运动智能（Motor Intelligence）学习如何控制和协调柔韧的身体在各种复杂环境中解决任务，涵括了计算机动画（Computer Animation）和生物力学（Biomechanics）等多个领域的知识。

有一天将这个这项程序加载到实体机器人身上，同样可以驱动机器人做出相同的反应。

从视频中可以看到，棒状机器人会根据特殊地形完成不同的动作，包括跳跃、转向、蹲伏等。而这些动作并不需要编写特定的计算机程序，在身体与环境交互的过程中，棒状机器人能够逐渐建立最佳的行为模式，最终，在没有特殊指示的情况下发展出了复杂技能。这一方法可应用于训练系统中多个不同的仿真身体。

DeepMind 研究团队指出,其未来的工作将主要集中在指导以上方案「 在更为复杂的情况下协调做出更为广泛的动作范围 」。事实上,单纯的模拟人类行为并不是 DeepMind 团队的最终目的,它们只是想用创造性的解决方案来克服现有的 AI 机器人运动障碍,他们认为机器人甚至可以摆脱人类的运动模式,创造出新的运动行为。只是大多数时候,研究团队认为能提供的最有效的办法,依然不是最自然的。