波士顿动力创始人WRC讲演：人形机器人真是个好主意吗？

文 | RoboX

在2024国际机器人大会上，人工智能研讨所履行主任、波士顿动力公司创始人Marc Raibert的到会和讲话备受瞩目。RoboX在现场对其讲演内容进行了记载和收拾，并据其内容提炼出下文：

从研讨生物，到研讨机器

“对我来说，开发机器人技能的开端创意来自于动物。”

大约在50年前，Raibert开端从事机器人研讨。其时，身为硕士生的他参加了一场大会，并在现场看到了一个机器人。

这个机器人给他带来了启示，但并不是因为其规划有多好，反倒是因为它的缺陷：例如外观吓人、移动不行顺利等。

他登时觉得，其时的机器人规划思路是彻底过错的——在动物移动的时分，它们能够很好地维持平衡，且不需求约束自己的速度，机器人也应当如此。

在Raibert还在学习生物学和神经操控时，他以为动物的动作十分奇特——它们能够快速奔驰，感知活络，动作灵敏。它们都为了生计而奔驰跳动。

即使人类的生计环境虽没有那么恶劣，但也能具有和谐的动作。就连两岁多的幼儿，在没有承受任何练习的情况下，也能做到合理地攀爬。

他回想道，曾有的机器人具有6条腿，18个关节。在Raibert看来，这真实过分冗余了。

“假如用逆向思想来考虑，6足机器人或许会有3000万种或许的步态，那咱们是不是也能够做一条腿的机器人？它只要一个步态，那样就无需考虑怎么平衡多样、杂乱的步态。”

可是，关于单足机器人来说，它对动力、平衡、操控的要求都愈加苛刻，所以Raibert也开端考虑做双足机器人——它的平衡性不只更好，乃至还能够翻跟头。

在20世纪80年代初，因为缺少集成化和小型化的技能，Raibert及团队会为机器人装备一台外置核算机，但彼时他们现已把握了动态体系中关于移动的基本原理。

之后的故事咱们都知道了，波士顿动力做了四足机器人，它们能够做出各式各样、愈加杂乱的运动。

从运动智能，到认知智能

到了最近，Raibert的大都作业都与机器人运动智能相关，包含操控零件、坚持平衡、操控能量、实时与周边环境互动，探究周围物体等等。

可是除了运动智能，还有认知智能。

在ChatGPT影响到国际之前，Raibert就已认识到了这一趋势，所以在两年前创办了人工智能研讨所（AI Institute），期望将这两种智能合二为一。

“不知道我是否能迎头赶上人工智浪潮，仍是会被这个浪潮吹的晕头转向，但这确实是让人振奋的认知智能年代。咱们人工智能研讨所持有长时间思想，而非期望经过出售产品来挣钱。”

Raibert表明，他期望人工智能研讨所能成为朴实专心于机器人技能，以及人工智能未来几代需求和开展的根底研讨实验室，为未来的研讨者铺好路途。

他介绍称，现在人工智能研讨所首要重视4个范畴。

在运动智能范畴，Raibert以为最典型的想象其实是打造一种高度灵敏、运动操控极佳的交通东西，这种东西乃至能够模拟人的动作。

基于此创意，人工智能研讨院规划了一款相似自行车的双轮机器人，它能够自主感知环境并坚持平衡，依据规划，它乃至能够载人弹跳。

他还介绍了别的一个项目——HALO，也便是人类运动学习优化体系。其方针是取得环境高度适应性，一同坚持体系的运动特性，该方针将经过机器学习和人工智能来完成，例如经过仿真加强学习。

HALO期望经过大规模的仿真，让机器人在不同地势、不同特征的环境中进行练习，以到达相应的运动特征。

“最近咱们也将这一技能用到了机器狗Spot身上——咱们让波士顿动力开了一个新的低等级API，直接进行操控。经过仿真练习，咱们让机器狗的奔驰速度比此前软件操控的速度快了一倍。咱们现在现现已过英伟达开源了API。“

Raibert不期望机器人运用固定的步态，而是要用最合理、和谐的步态取得最大的灵敏性以及速度。所以，他展现了一个用三条腿“瘸着走路”的四足的机器人，相同走得很流通。

“我还记得当年在波士顿动力刚推出机器狗时，它的四条腿如同各自有各自的动法，无法好好走路。但现在它现已能够用三条腿走路了。”

从科幻电影，到实践生活

Raibert的别的一个认知智能项目，叫「看-懂-做」（Watch.Understand.Do）。该项目不建议十分杂乱的编程，而是让机器人调查人类履行使命，并了解它们看到的东西，以及需求有用的技能，然后自己规划和履行。

“现在，这仍像是科幻电影，可是我想，结合了模型练习的根底，再结合运动技能，咱们在未来能够在这方面取得开展。”

其实，在家用机器人方面，人们早已有相似的思路。例如让机器人在环境傍边能够搜集信息，排查机器毛病，呈现毛病之后进行确诊，而且主动修理。“我信任有一天会完成这些方针，在工业范畴之外，在家庭的场景傍边也能够完成。”Raibert说道。

在波士顿动力的产品中，除了商业化较快的机器狗Spot，以及机械臂产品Stretch外，最受重视的仍是人形机器人Atlas。

众所周知，新一代的Atlas由液压改为电力驱动。据Raibert介绍，它的举动模型猜测才能，使其动力操控水平十分高。

“咱们开发了Atlas的模型猜测才能，因而它能够完成之前无法到达的才能——它能更好地移动、坚持平衡，也能将更杂乱的使命序列放在一同。例如用双手来操控物体，包含比较重的哑铃和货品。Atlas的视觉感知体系，既能够用于和谐它与部件的交互，也能够结合导航功用。”

Raibert介绍称，在实践作业中，要想让机器人和环境相和谐，需求高精确性和导航。现在，已有机器人能够操控轿车的零件，而且将它们放到位，进行一些拼装作业。

A Good Idea ？

Raibert指出，现在正是人形机器人和机器人技能的惊人开展年代，但这一同引发了一个问题：做人形机器人真是一个好主见吗？

为了答复这个问题，他展现了波士顿动力仓储机器人Stretch履行使命的视频，例如卸货、转移箱子等。他表明，这些这种特定功用型机器人相同能完成使命，它们使用视觉感知就能作业，也更契合商业逻辑。

“假如咱们想制作一台本钱更低、在实践使用中功能更高的机器，彻底能够简化这台机器——它能够有人形机器人的一些元素，可是能够进行简化。因而，咱们做出了这样可扩展的机器人，其意图便是将卡车上的货卸下来。它能够移动，也能够将卡车上的货品卸下来，速率和人差不多，失败率很低。依据咱们在几家不同公司进行的测验，它在仓库里处理了数百万个箱子，在真实的仓库里，做着真实的作业。”

Raibert以为，要想评判人形机器人理念的好坏，要害还要取决于研制方针——“假如你的方针是发明下一代机器人，完成咱们对机器人的愿望，让它们的才能到达人类的水平，那么我想说，放手去做吧（这也是我的愿望）。”

他表明，人形机器人是个很棒的主见，但假如像使用它在下一年或许后年就挣钱，或许大规模地完成商业化，那其实还有许多其他办法能够达到这个方针。