文章来源：ATYUN AI平台
曼彻斯特大学的研究人员正在利用计算机模拟黑猩猩行走，来提高我们对动物行走方式的理解，同时也提高我们用来做实验的技术。
《英国皇家社会开放科学》杂志发表的研究表明，“机器学习”算法的简单变化可以产生更美观、更精确的计算机生成的动物模拟。
它还将帮助研究人员调查所有灵长类动物行走的“奇特方式”， 以及这可能与在树木中移动时的稳定性有关。
来自地球与环境科学学院的Bill Sellers教授说:“从动物的骨骼开始，使用机器学习的计算机现在可以重建动物的移动方式。”然而，它们并不总是做得很好。
但是，通过对机器学习目标进行一些简单的改变，我们现在可以创造更精确的模拟，我们现在用这个过程来生成黑猩猩的运动，以探索他们走路的方式。
“这个想法是考虑与其他运动模式相比，以稳定的方式走路需要多少能量。”
黑猩猩模型是由一个成年雄性黑猩猩的全身CT扫描而成。通过扫描，团队生成了骨骼模型和皮肤轮廓。 然后用骨骼模型定义关节位置、肌肉路径和肢体接触点进行模拟。
之后用它来分析黑猩猩的步态，以及动物(包括人类)在行走时的动作模式。
在进化生物力学中——通过运动过程的进化研究，人们通常认为，所有动物的步态演变为在旅行时使用最少的能量。然而，利用黑猩猩的模型，研究小组证明，这种情况已不复存在。
Sellers教授解释道:“随着技术的进步，肌肉骨骼模型变得越来越复杂，以前的模拟模型在步态模式上变得非常不现实，所以我们必须改变我们思考和研究的方式。”
研究人员发现，通过增加模拟中的横向稳定性，它会增加能量成本，但也会增加在黑猩猩肌肉骨骼模型中生成的步行步态的真实性。
Sellers教授补充说:“黑猩猩模型所产生的步态的真实性，在很大程度上得到了增强，包括横向稳定性，这很可能是一个重要的进化发展。”
“然而，这种增强的横向稳定性来自于适度的能量成本，而这一成本需要被其他适应性优势所抵消。”
本文转自ATYUN人工智能媒体平台，原文链接：研究人员利用黑猩猩改进动物模拟技术 效果显著！
更多推荐
Tensorflow的正确打开方式：Tensorboard调试神经网络和可视化训练
Alphabet设立专门投资AI初创的风投子公司Gradient
