当Ananye Agarwal带着他的狗在卡内基梅隆大学附近的当地公园的台阶上走来走去时，其他狗都停下了脚步。 

那是因为阿加瓦尔的狗是一只机器人，而且在那方面很特别。与其他机器人不同的是，他的机器人使用内置摄像头，而其他机器人往往严重依赖内部地图。卡内基·梅隆大学博士生阿加瓦尔是一组研究人员之一开发了一种技术允许机器人使用计算机视觉和强化学习在复杂地形上行走。研究人员希望他们的工作将有助于机器人更容易在现实世界中部署。 

与市场上现有的机器人不同，如Boston Dynamics’斑点加州大学伯克利分校的研究生阿希什·库马尔（Ashish Kumar）是一篇描述这项工作的论文的作者之一，他说，这种机器人使用内部地图四处移动，仅使用摄像机来指导其在野外的运动；它将在机器人学习会议下个月。其他尝试使用摄像头提示引导机器人移动的尝试仅限于平坦的地形，但他们成功地让机器人爬上楼梯，爬上石头，跳过缝隙。 

四足机器人首先在模拟器中接受了在不同环境中移动的训练，因此它对在公园里行走或上下楼梯有了大致的了解。当它被部署在现实世界中时，机器人前面的一个摄像头提供的视觉信息可以指导它的运动。机器人学习调整步态，使用强化学习（一种AI技术，允许系统通过尝试和错误进行改进）来导航楼梯和不平地面等物体。 

卡内基梅隆大学（Carnegie Mellon）助理教授、团队成员Deepak Pathak表示，不需要内部地图，机器人就更健壮，因为它不再受地图中潜在错误的限制。 

谷歌（Google）的研究科学家谭洁（Jie Tan）表示，机器人很难将摄像头的原始像素转换为精确、平衡的运动，以导航周围环境。谭洁没有参与这项研究。他说，这项工作是他第一次看到一个小型低成本机器人展现出如此令人印象深刻的机动性。 

华盛顿大学（University of Washington）研究机器学习和机器人控制的研究员史冠亚（Guanya Shi）表示，该团队在“机器人学习和自主性方面取得了突破”，他也没有参与这项研究。 

Facebook AI research的研究科学家Akshara Rai表示同意，他致力于机器学习和机器人技术，但并未参与这项工作。 

Rai说：“这项工作是朝着建造这种有感知能力的腿机器人并将其部署到野外迈出的有希望的一步。”。

然而，Rai说，尽管团队的工作有助于改进机器人的行走方式，但这并不能帮助机器人提前确定要去哪里。她说：“导航对于在现实世界中部署机器人很重要。”。

在机器人狗能够在公园里蹦蹦跳跳或在家里取东西之前，还需要做更多的工作。Tan说，虽然机器人可以通过前置摄像头了解深度，但它无法应对地面湿滑或高草等情况；它可能会踏入水坑或陷入泥中。