踩油门和刹车是需要机器人做出快速响应的，例如在红绿灯状态下的启动和刹车，以及在前方有行人时的刹车。研究者采用离线学习的方式来训练机器人的动态响应。

踩油门训练

在识别部分，像人类驾驶员一样，研究者主要利用机器学习训练识别了视觉和声音信息，通过训练，可以识别物体信息和声音信息，例如，汽车，人，交通灯，以及喇叭声等。研究者进行测试的场地是在车人非常稀少的街道上。

测试场地和机器人视觉识别

Musashi驾驶一辆小型改装的电动车进行试验。其中，能源和计算机控制中枢都被安装于车厢尾部，另外还包括一个无线通讯模块。为了安全起见，该车辆的电机扭矩被限制在5Nm之内，同时有一个应急按钮以防止出危险。

驾驶汽车上配置电源和计算机

Musashi可以通过简单的反射弧控制算法来对外界做出反应。研究者展示了一个很经典的场景，即在车辆前方有人或者汽车通过时，快速踩下刹车做出反应。基于Musashi的识别系统，它可以有效地识别在前方通过的人，以及即将到来的汽车，并做出反应。研究者指出，为了让机器人的控制系统更加智能，在更多的环境中去训练机器人的识别模型时非常有必要的。

驾驶过程中的鸣笛声或者人类检测

另一个测试场景是让Musashi自动驾驶通过一个有着红绿灯的十字路口。在这项实验中，Musashi的驾驶速度非常的缓慢（5km／s）。当十字路口的等变为绿色时，操作人员对机器人发出转弯的指令，Musashi可以驾驶小车用双手实现90度的转弯。整个过程持续大约2分钟，相对来说比较缓慢和不流畅。

驾驶过程中的红绿灯检测

三． 总结与未来展望

虽然自动驾驶汽车要比用“人形机器人”驾驶汽车更为可靠，更舒适，更安全，但是小编相信，对于“人形机器人“的诸如此类的深入研究还是有很重要和深远意义的。驾驶汽车这项任务将机器人束缚在一个极其复杂的环境中，需要机器人去操作方向盘，踩油门，拉手刹，拨转向灯等。无疑来说是一项很有挑战性的任务。进行相关的研究可以极大的促进”人形机器人“的发展。

本文的研究者指出，当前的研究还有很多方面需要改进，例如在脚踏板的操作和方向盘的操作方面，都不够顺滑，以及速度较慢，远远没有办法和人类进行比较。同时机器人的识别模型还需要进一步的完善和强化，以适应更复杂的环境。在未来的研究中，研究者会考虑让机器人尝试不同的汽车，从而进一步提升人形机器人的性能。

相关论文信息：

Kawaharazuka， K．， Tsuzuki， K．， Koga， Y．， Omura， Y．， Makabe，T．， Shinjo， K．，Kawasaki， K． （2020）． Toward Autonomous Driving byMusculoskeletal Humanoids： Study of Developed Hardware and Learning－BasedSoftware． IEEE Robotics ＆ Automation Magazine．

东京大学人形机器人论文：

Asano， Y．， Okada， K．， ＆ Inaba， M． （2017）． Designprinciples of a human mimetic humanoid： Humanoid platform to study humanintelligence and internal body system． Science Robotics， 2（13），eaaq0899．