莫蒂充分利用了復(fù)雜的腿部力學(xué)，通過貝葉斯優(yōu)化算法指導(dǎo)學(xué)習(xí)：其足部傳感器信息與機(jī)器狗中運(yùn)行的建模虛擬脊髓的目標(biāo)數(shù)據(jù)相匹配。機(jī)器狗通過不斷比較發(fā)送的和預(yù)期的傳感器信息、運(yùn)行反射循環(huán)以及調(diào)整其電機(jī)控制模式來學(xué)習(xí)行走。

　　在人類和動(dòng)物中，中央模式發(fā)生器（CPG）是脊髓中的神經(jīng)元網(wǎng)絡(luò)，可在沒有大腦輸入的情況下產(chǎn)生周期性的肌肉收縮。其有助于生成有節(jié)奏的任務(wù)，例如步行、眨眼或消化。機(jī)器狗莫蒂在大約一小時(shí)內(nèi)比動(dòng)物更快地優(yōu)化其運(yùn)動(dòng)模式。

　　在機(jī)器狗平穩(wěn)行走期間，來自其腳部的傳感器數(shù)據(jù)不斷與機(jī)器狗CPG預(yù)測(cè)的預(yù)期著陸進(jìn)行比較。如果機(jī)器狗絆倒，學(xué)習(xí)算法會(huì)改變腿來回?cái)[動(dòng)的距離、腿擺動(dòng)的速度以及腿在地面上的長度。調(diào)整后的運(yùn)動(dòng)也會(huì)影響機(jī)器狗利用其腿部力學(xué)的能力。

　　在學(xué)習(xí)過程中，CPG發(fā)送經(jīng)過調(diào)整的電機(jī)信號(hào)，以便機(jī)器狗從此減少絆倒并優(yōu)化其行走。

　　論文第一作者、MPI-IS動(dòng)態(tài)運(yùn)動(dòng)研究小組的前博士生菲利克斯·魯珀特表示：“我們的機(jī)器狗實(shí)際上是‘天生’的，CPG類似于大自然提供的內(nèi)置自動(dòng)行走智能，我們已將其轉(zhuǎn)移給機(jī)器狗。當(dāng)數(shù)據(jù)從傳感器流回虛擬脊髓，與CPG數(shù)據(jù)進(jìn)行比較，如果傳感器數(shù)據(jù)與預(yù)期數(shù)據(jù)不匹配，則學(xué)習(xí)算法會(huì)改變行走方式，直到機(jī)器狗行走良好且不會(huì)絆倒。”