来自美国与瑞士的研究团队近日展示了一段引发关注的视频:一台约翰迪尔(John Deere)332G 滑转式装载机在人工智能驱动下,完成了一系列高难度的自主特技动作。相关研究以《重金属杂技》(Heavy Metal Acrobatics)为题发表,旨在验证模拟环境中的强化学习技术向现实世界重型机械转移的可行性,并为未来建筑及工业领域的自动化提供技术参考。

研究人员利用强化学习算法训练 John Deere 332G 滑转式装载机,使其能够自主执行复杂的平衡与机动动作。该系统先在模拟环境中进行训练,随后通过“模拟到真实”(Sim-to-Real)的技术迁移至实体机器。在实际演示中,这台重达数吨的设备成功实现了双轮平衡、崎岖地形行驶、旋转以及控制铲斗安全降落等操作。该成果展示了 AI 技术在重型建筑设备自动化中的应用潜力。
技术实现路径
由于重型机械体积庞大且物理惯性极强,直接在硬件上进行强化学习(RL)训练既不经济也不安全。因此,研究团队构建了一个基于复杂控制阵列的高精度模拟程序,专门针对 John Deere 332G 的物理特性进行建模。通过在模拟环境中大量迭代训练神经网络模型,系统掌握了所需的动态控制策略,最终将这些策略准确迁移至现实世界的装载机控制器中。
演示效果与研究意义
视频显示,这台 332G 装载机能够在两个后轮上保持平衡并前后跳跃,同时在抬起动臂的过程中维持稳定,并在崎岖地形上完成旋转动作。整个过程中,机器表现出极高的稳定性,未出现剧烈晃动。研究人员指出,视频中展示的某些特技动作,仅有少数经验丰富的人类操作员才能完成。
这项研究的最终目标并非单纯展示杂技,而是为“动态自主控制重型机械”奠定技术基础。随着模拟到真实迁移技术的成熟,自主控制系统有望在未来取代部分人工操作,从而在安全性、响应速度和作业效率方面超越人类操作员。这也表明,AI 驱动的自动化技术正逐步渗透至传统上被认为难以自动化的大型工业领域。





