儘管機器狗的能力很強，但它們往往無法與真實的動物相媲美。這部分原因在於，要直接從狗狗身上學習如何像它們一樣走路是很難的--但來自谷歌人工智慧實驗室的這項研究卻讓它變得簡單得多。谷歌團隊與加州大學伯克利分校合作，目的是找到一種方法，使四足機器狗能夠像真正的狗狗一樣進行輕盈小跑等 "敏捷行為 "。正如研究人員在博文中指出，既定的訓練過程往往 "需要大量的專家洞察力，而且往往需要對每一個期望的技能進行冗長的獎勵調整過程。"

狗狗的動作方式可能與機器狗的動作方式並不完全一致，導致後者倒下、鎖定或其他方面的失敗。而谷歌的AI專案就解決了這個問題，在正常的秩序中加入了一點可控的混亂。通常情況下，狗的動作會被捕捉到，並對腳和關節等關鍵點進行仔細追蹤。在數字模擬中，這些點會被模擬成機器狗的樣子，虛擬版的機器狗會嘗試用自己的動作模仿狗的動作，邊學邊做。

儘管研究人員取得了不錯的效果，但當試圖用模擬的結果來控制一個實際的機器狗時仍會出現問題。真實世界不是一個二維平面，沒有理想化的摩擦力規則之類的東西。不幸的是，這意味著未經修正的模擬步態往往會讓機器狗直接摔到地面上。

為了防止這種情況的發生，研究人員在模擬中使用的物理引數中引入了隨機性元素，使虛擬機器器狗的重量更重，或者電機更弱，或者與地面的摩擦力更大。這使得描述如何行走的機器學習模型必須考慮到各種小的變異，以及如何抵消它們。

透過學習來適應這種隨機性，使得學習後的行走方法在現實世界中更加穩健，從而可以透過模仿目標狗的行走方式，甚至可以模仿出更復雜的動作，比如轉彎和旋轉，而不需要任何人工干預，只需要進行一點額外的虛擬訓練。當然，如果需要的話，還可以加入手動調整，但就目前的情況來看，這比起以前完全自動完成的動作，還是有很大的進步。

在同一篇文章中描述的另一個研究專案中，另一組研究人員描述了一個機器狗可以自行行走，但被植入了避免在指定區域外行走，並在跌倒時自行爬起的能力。有了這些基本技能的烘托，機器狗能夠在沒有人類干預的情況下，在訓練區域內不斷地在完善，學習到了相當令人印象深刻的運動技能。