约翰霍普金斯野兽（Johns Hopkins Beast）是一台具有历史意义的自主四足机器人，于1960年代末在约翰霍普金斯大学应用物理实验室（APL）开发。它被公认为最早由神经网络控制的腿式机器之一，将计算机视觉与运动能力整合于单一系统中。该项目展示了后来影响机器人学和人工智能研究的原则。
野兽的建造始于1966年，由工程师兼计算机科学家伯纳德·威德罗指导，他当时是斯坦福大学的教授，但与该项目的APL团队合作。该机器人以自主导航为重点，使用摄像头检测走廊，并通过简单的神经网络处理视觉输入。该网络被称为ADALINE（自适应线性神经元），由威德罗及其学生开发，使野兽能够在无外部控制的情况下沿走廊行进。
野兽的机械设计相对简单：它有四条腿，每条由电动机驱动，以及一个容纳控制电子设备的小型底盘。机器人以缓慢而谨慎的步伐移动，仅在处理视觉数据后迈出步伐。神经网络以模拟电路实现，接收来自光电传感器阵列的信号，该阵列检测走廊墙壁与地板之间的对比度。这使得野兽能够向左或向右转弯以保持居中。
技术规格与操作
野兽长约0.6米，重约20公斤。其腿部由直流电动机驱动，每一步由神经网络的阈值信号触发。ADALINE网络具有单层权重，在初始测试期间手动调整以确保正确响应。机器人以约0.1米/秒的速度运行，在当时计算能力条件下被视为较快。
控制系统结合了模拟和数字组件。由16个传感器组成的光电阵列将信号输入ADALINE，后者输出前进、左转或右转的决策。系统由可充电电池供电，可连续运行约30分钟。野兽未使用现代意义上的机器学习训练；相反，权重由威德罗根据走廊几何形状设定。
历史背景与影响
野兽是在神经网络研究和机器人学快速发展的时期开发的。威德罗的ADALINE是最早的实用神经网络之一，其应用于物理机器人是新颖的。该项目由美国海军资助，作为探索潜在军事应用自主系统的更广泛努力的一部分。
该机器人在简单环境中导航的成功表明，神经网络可用于实时控制，这一概念在当时并未被广泛接受。野兽的视觉引导方法影响了后来计算机视觉和自动驾驶车辆研究，包括斯坦福人工智能实验室和麻省理工学院计算机科学与人工智能实验室的项目。然而，野兽本身是一次性原型；未生产任何量产版本。
保存与遗产
项目于1969年结束后，野兽在APL存放了数年。在1980年代，它被转移到史密森尼学会的美国国家历史博物馆，作为早期机器人展览的一部分展出。机器人的控制电子设备后来为演示目的更换为现代组件，但原始ADALINE电路得以保留。
截至2024年，野兽未公开展出，但仍保留在史密森尼的收藏中。威德罗关于野兽的工作在多本神经网络教科书中被引用，该机器人也常在深度学习和生成式人工智能的历史叙述中被提及，作为现代AI系统的先驱。该项目也在伯克利人工智能研究及其他追溯至早期神经网络先驱的学术机构的背景下被引用。
与当代机器人的比较
与后来的机器人（如圣所人工智能的人形系统或Figure AI的步行机器）不同，野兽没有从经验中学习的能力。其神经网络是静态的，其行为完全由建造时设定的权重决定。这与使用强化学习和大型语言模型进行决策的现代方法形成对比。
野兽的简单性既是优势也是局限。它证明了一个小型轻量系统可以执行有用任务，但无法适应环境变化。这一局限在后来的几十年中通过机器学习算法和变换器架构的进步得到解决，这些技术使机器人能够处理复杂感官数据并做出灵活决策。
在AI历史中的意义
约翰霍普金斯野兽在人工智能历史中占有一席之地，是神经网络最早的物理体现之一。它弥合了理论研究与实际应用之间的差距，表明AI可以在现实世界中运行。该项目使用摄像头和光电阵列的方法预示了现代计算机视觉系统，其模拟实现也预示了专用硬件（如AWS Trainium和谷歌云TPU）的发展。
虽然野兽在学术界之外并不广为人知，但它是早期AI工程的关键范例。其遗产可见于雅各布·乌兹科雷特和卢卡斯·凯泽等研究人员的工作，他们开发了变换器架构，以及OpenAI和谷歌深度思维等公司创造智能体的持续努力。野兽仍然是早期AI先驱者聪明才智及其建造能自主观看和移动机器的意愿的证明。