神经网络教会小怪物走路

原文地址：

https://community.arm.com/processors/b/blog/posts/teaching-scratchy-to-walk-with-neural-networks

神经网络教会小怪物走路

如果给你Cortex-M4处理器，一两个马达，少许乐高积木，再加一些电线和绑带，你会用它们来做什么呢？ 一位德国的嵌入式系统开发者Sebastian Förster,决定用这些东西搭建一个四条腿机器人，并且用神经网络教会他走路。

这个被命名为小怪物的机器人，一共有四个伺服电机控制四条腿，使用超声波探测距离，主控用的是STM32F407探索开发板。

Arm深度学习技术总监Mark Connor专程和Sebstian见面并对他进行了采访，请他谈了一下为什么要做这个“小怪物”以及他的心得体会

那么， Sebastian，能否谈谈你怎么想到要去做这个“小怪物”的吗？

“是这样的，我目前硕士学位论文的题目就是有关如何在更小的Cortex-M处理器上实现机器学习。通过一个神经网络的实例来做性能测试。而作为测试的一部分，我把FANN神经网络库移植到了Cortex-M4上，并且我不想做太学术太死板的东西，而且我希望是有型的东西，最后我选择了做个机器人。如你所见，其实我没做的很复杂，就先把一些乐高积木连到电机上，然后再连到一块有足够Flash和SRAM的STM32F4开发板上”

“所以我论文的结论最后就是-其实我小怪物的成功也证明了- 在小型的基于Cortex-M设备上运行重型机器学习算法是完全可能的”

你有没有试图自己对腿部动作进行编程？

“当然没有，这显然应该是让AI去干的！小怪物的结构允许我可以独立地训练向前和向后的步法，让我大吃一惊的是，虽然它没有膝关节，但是也能工作。因为Deep Mind在 Atari Q-Learner上取得了很大的成功，所以我也决定使用Q-Learning，并且我可以在他们的基础之上编写Q-learning的代理。 FANN库其实是由其他人开发并在LGPL许可下开源的，我只是单纯移植到了Cortex-M4上”

你是如何决定网络拓扑的？

“SRAM的大小限制了拓补结构。 神经网络可以做的更大，但使用额外的变量会消耗非常多的存储器空间，而我更想直接在Cortex-M4上直接进行训练。在我看来，使用两个或三个前馈层并没有太大区别，尽管我没有直接比较它们 – 而我想压榨一下处理器！”

用微控制器进行当前的神经网络研究是否容易？

“其实裸C（非CUDA）框架完全可以适用于512Kb闪存和256Kb SRAM。 我很幸运地找到FANN，但是我需要编写一个小文件系统，以便库可以直接从闪存加载保存的网络权重。”

你对那些有兴趣构建和培训自己的机器人的开发者，有什么建议吗？

“无论你做什么，都不要放弃探究特征和超参数。 如果你已经能想到一些东西，你就可以创造它！“

以下是“小怪物”的真实视频，

 Youtube网址，建议翻墙观看

https://youtu.be/fHCm0gQRzC4

懂德语的兄弟们请看Sebstian的原版博客：

https://sebastianfoerster86.wordpress.com/2016/11/07/robot-controlled-by-artificial-neural-network/