← 最新论文
🧬 biology

Embodiment Shapes Rolling Behavior in a Multimodal Infant Model

这项研究表明,通过强化学习训练的虚拟婴儿模型(MIMo)可以自然地获得反映人类发育趋势的逼真翻滚行为,凸显了身体形态的变化如何塑造感觉运动发育。

原作者: Leon Philipp, Francisco M. López, Jochen Triesch

发布于 2026-06-17
📖 1 分钟阅读☕ 轻松阅读

原作者: Leon Philipp, Francisco M. López, Jochen Triesch

原始论文采用 CC BY 4.0 许可(http://creativecommons.org/licenses/by/4.0/)。 ⚕️ 这是一篇未经同行评审的预印本的AI生成解释。这不是医疗建议。请勿根据此内容做出健康决定。 阅读完整免责声明

想象一下,婴儿学习翻身就像幼儿学习骑自行车一样。这不仅仅是关于拥有正确的肌肉,更是关于如何让全身协调工作,从而从仰卧变为俯卧。

这篇论文讲述了一群科学家如何在计算机内部构建了一个名为 MIMo 的虚拟婴儿,以此来研究这一过程究竟是如何发生的。他们没有观察真实的婴儿(因为那很难控制和测量),而是创造了一个数字孪生体,他可以在模拟世界中成长、学习并犯错。

以下是他们发现的故事,用简单的语言解释如下:

1. 虚拟婴儿与“健身房”

MIMo 不仅仅是一个图像;他是一个基于物理规律的机器人,拥有一个通过试错来学习的大脑。把 MIMo 想象成一个在健身房里的学生,他的唯一目标就是翻身。

  • 身体: MIMo 拥有关节、肌肉(称为执行器)和感官。他可以感知肢体的位置(本体感觉)以及头部倾斜的方向(前庭感觉)。
  • 老师: 计算机充当了一位严格的教练。当 MIMo 接近翻身目标时,它会给予他“奖励”(甜头);如果他手臂乱挥或浪费能量,它则会给予“惩罚”(惩罚)。
  • 目标: MIMo 从仰卧开始,必须通过扭转和转身,直到最终变为俯卧。

2. 重大发现:是力量,而非仅仅是体型

研究人员想知道:婴儿学会翻身是因为他们长大了,还是因为他们变强壮了?

为了找出答案,他们玩了一场“混搭”游戏。他们把一个 1 个月大婴儿的“大脑”装到了一个 9 个月大的身体上,反之亦然。

  • 结果: 事实证明,力量才是秘密武器。
    • 一个瘦小、无力的 1 个月大身体,即使拥有 9 个月大强壮大脑的驱动,也无法完成翻身。
    • 一个庞大、强壮的 9 个月大身体,即使拥有 1 个月大虚弱大脑的驱动,也能轻松完成翻身。
  • 类比: 想象你在试图推一辆沉重的汽车。如果你有一个小而弱小的引擎(1 个月大的身体),那么无论你的司机有多优秀(大脑),车子都不会动。但如果你有一个动力强劲的引擎(9 个月大的身体),即使是新手司机也能让它动起来。论文得出结论,肌肉力量的发展是婴儿突然学会翻身的主要原因,其重要性甚至超过了单纯的身高增长。

3. 多种翻身方式

现实中的婴儿翻身的方式并不尽相同。有的用手臂,有的用腿,有的则扭动全身。研究人员很好奇,他们的虚拟婴儿是只会发现一种“完美”的翻身方式,还是会发现许多不同的技巧。

  • 惊喜: MIMo 不仅仅学会了一种动作。他发现了一整套不同的翻身风格。
  • 类比: 把它想象成解迷宫。大多数人可能会找到一条路径。但 MIMo 发现,如果他开始时面向左侧,他就应该向右转;如果他开始时面向右侧,他就应该扭动双腿。他学会了根据起始位置的变化来调整策略。
  • 匹配度: MIMo 翻身的各种方式与在真实婴儿身上观察到的多样性非常相似。这表明,拥有多种不同的“策略”实际上是一种聪明的学习方式,因为它能帮助你在任何躺姿下都能成功。

4. 速度与现实

需要注意的一点是:MIMo 是一个机器人,所以他比真实的婴儿快得多。真实婴儿可能需要几秒钟才能翻身,而 MIMo 在极短的时间内就能完成。

  • 为什么? 真实婴儿必须应对缓慢的神经信号和自身沉重的体重。MIMo 是一个去除了这些延迟的精简数字化版本。
  • 启示: 尽管 MIMo 速度更快,但他运动的模式(哪些肢体先动,哪些保持不动)与真实婴儿惊人地一致。

总结

这篇论文就像是婴儿发育过程中的“飞行模拟器”。通过构建一个虚拟婴儿并让它学习翻身,科学家们证明了肌肉力量的增强是这一里程碑的关键触发因素。他们还表明,自然界(或者说是这里的学习算法)更倾向于拥有一个多样化的“工具箱”,而不是仅仅拥有一种僵化的做事方式。

这有力地提醒了我们:为了理解我们是如何运动的,有时我们需要制造一个同样会运动的机器人。

您所在领域的论文太多了?

获取与您研究关键词匹配的最新论文每日摘要——附技术摘要,使用您的语言。

试用 Digest →