许多动物，如长颈鹿、羚羊、斑马等，一出生就需要快速学习走路，以此来躲避天敌，在自然界中生存。

动物可以依靠脊髓来协调肌肉，但腿部肌肉的协调比其他部位花费的时间更长，新生动物更依赖脊髓反射来保护自己。

为了了解动物是如何学会走路的，斯图加特马克斯普朗克智能系统研究所 (MPI-IS) 的研究人员制作了一只小狗模型的机器人Morti进行研究。

这只机器狗对腿部肌肉的工作原理一无所知，很大程度上是“天生的”，它像动物一样具有反射能力，并且会从自身的错误中进行学习，研究人员在其四肢运用了复杂的腿部力学，并使用了贝叶斯优化算法进行指导。研究人员在机器狗的计算机运行程序中建立了一个虚拟脊髓的模型，再在其四肢安装传感器，通过不断对预期的和发送的传感器信息进行比较、控制和调整来让机器人学习行走。

算法的运用与中枢模式发生器 (CPG) 的控制参数是相适应的。对于人类和动物来说，这些中枢模式发生器就相当于是脊髓中的神经元网络，可以使肌肉在没有大脑输入的情况下进行收缩。

当动物幼崽是在完全平坦的地面上行走时，中枢模式发生器可以轻松地处理来自脊髓的运动信号，但如果地面上有障碍的话，行走方式就必须改变，这时反射会启动来调整动物的运动模式，防止跌倒。

这些运动信号的变化是一瞬间的，运动模式在被干扰后会恢复到原始状态。但如果不停地跌倒，动物就会调整和重新学习运动模式，使其不可逆转。在新生动物中，中枢模式发生器的运行是不够灵活的，所以它们走路无法像成年动物那样行走自如。

在实验过程中，学习算法不断调整各项参数，减少机器狗绊倒的次数来优化其行走模式。而后，这只机器狗仅用了一个小时左右的时间，就学会了走路，与动物别无二致。

虽然不能轻易研究活体动物的脊髓，但依靠在机器人中建模，使其尽可能贴近自然界的动物，也能让机器人技术和生物学产生交集。

在未来，这类研究对生物学可能会起到举足轻重的作用…