文 | RoboX

在2024世界机器人大会上，人工智能研究所执行主任、波士顿动力公司创始人Marc Raibert的出席和发言备受瞩目。RoboX在现场对其演讲内容进行了记录和整理，并据其内容提炼出下文：

从研究生物，到研究机器

“对我来说，开发机器人技术的最初灵感来自于动物。”

大约在50年前，Raibert开始从事机器人研究。当时，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发，但并不是因为其设计有多好，反倒是因为它的缺点：例如外观吓人、移动不够顺畅等。

他顿时觉得，当时的机器人设计思路是完全错误的——在动物移动的时候，它们可以很好地维持平衡，且不需要限制自己的速度，机器人也应当如此。

在Raibert还在学习生物学和神经控制时，他认为动物的动作非常神奇——它们可以快速奔跑，感知灵敏，动作灵活。它们都为了生存而奔跑跳跃。

即便人类的生存环境虽没有那么恶劣，但也能拥有协调的动作。就连两岁多的幼儿，在没有接受任何训练的情况下，也能做到合理地攀爬。

他回忆道，曾有的机器人拥有6条腿，18个关节。在Raibert看来，这实在太过冗余了。

“如果用逆向思维来考虑，6足机器人可能会有3000万种可能的步态，那我们是不是也可以做一条腿的机器人？它只有一个步态，那样就无需考虑如何平衡多样、复杂的步态。”

但是，对于单足机器人来说，它对动力、平衡、控制的要求都更加严苛，所以Raibert也开始考虑做双足机器人——它的平衡性不仅更好，甚至还可以翻跟头。

在20世纪80年代初，由于缺乏集成化和小型化的技术，Raibert及团队会为机器人配备一台外置计算机，但彼时他们已经掌握了动态系统中关于移动的基本原理。

之后的故事大家都知道了，波士顿动力做了四足机器人，它们可以做出各种各样、更加复杂的运动。

从运动智能，到认知智能

到了最近，Raibert的多数工作都与机器人运动智能相关，包括控制零件、保持平衡、控制能量、实时与周边环境互动，探索周围物体等等。

但是除了运动智能，还有认知智能。

在ChatGPT影响到世界之前，Raibert就已意识到了这一趋势，于是在两年前创办了人工智能研究所（AI Institute），希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，还是会被这个浪潮吹的晕头转向，但这确实是让人兴奋的认知智能时代。我们人工智能研究所持有长期思维，而非希望通过销售产品来赚钱。”

Raibert表示，他希望人工智能研究所能成为纯粹专注于机器人技术，以及人工智能未来几代需求和发展的基础研究实验室，为未来的研究者铺好道路。

他介绍称，现在人工智能研究所主要关注4个领域。

运动智能 认知智能 硬件设计——在这一点上，Raibert认为如今大家都在关注计算和算法等软件问题，导致硬件的重要性遭到了忽视。 伦理和道德规范

在运动智能领域，Raibert认为最典型的设想其实是打造一种高度灵活、运动控制极佳的交通工具，这种工具甚至可以模拟人的动作。

基于此灵感，人工智能研究院设计了一款类似自行车的双轮机器人，它可以自主感知环境并保持平衡，根据规划，它甚至可以载人弹跳。

他还介绍了另外一个项目——HALO，也就是人类运动学习优化系统。其目标是获得环境高度适应性，同时保持系统的运动特性，该目标将通过机器学习和人工智能来实现，例如通过仿真加强学习。

HALO希望通过大规模的仿真，让机器人在不同地形、不同特征的环境中进行训练，以达到相应的运动特征。

“最近我们也将这一技术用到了机器狗Spot身上——我们让波士顿动力开了一个新的低级别API，直接进行控制。通过仿真训练，我们让机器狗的奔跑速度比此前软件控制的速度快了一倍。我们现在已经通过英伟达开源了API。“

Raibert不希望机器人使用固定的步态，而是要用最合理、协调的步态获得最大的灵活性以及速度。于是，他展示了一个用三条腿“瘸着走路”的四足的机器人，同样走得很流畅。

“我还记得当年在波士顿动力刚推出机器狗时，它的四条腿好像各自有各自的动法，没法好好走路。但现在它已经可以用三条腿走路了。”

从科幻电影，到现实生活

Raibert的另外一个认知智能项目，叫「看-懂-做」（Watch.Understand.Do）。该项目不主张非常复杂的编程，而是让机器人观察人类执行任务，并理解它们看到的东西，以及需要实用的技能，然后自己规划和执行。

“现在，这仍像是科幻电影，但是我想，结合了模型训练的基础，再结合运动技能，我们在未来可以在这方面获得进展。”

其实，在家用机器人方面，人们早已有类似的思路。例如让机器人在环境当中可以收集信息，排查机器故障，出现故障之后进行诊断，并且自动维修。“我相信有一天会实现这些目标，在工业领域之外，在家庭的场景当中也可以实现。”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，最受关注的还是人形机器人Atlas。

众所周知，新一代的Atlas由液压改为电力驱动。据Raibert介绍，它的行动模型预测能力，使其动力控制水平非常高。

“我们开发了Atlas的模型预测能力，因此它可以实现之前无法达到的能力——它能更好地移动、保持平衡，也能将更复杂的任务序列放在一起。例如用双手来控制物体，包括比较重的哑铃和货物。Atlas的视觉感知系统，既可以用于协调它与部件的交互，也可以结合导航功能。”

Raibert介绍称，在现实工作中，要想让机器人和环境相协调，需要高精确性和导航。目前，已有机器人可以控制汽车的零件，并且将它们放到位，进行一些组装工作。

A Good Idea ？

Raibert指出，现在正是人形机器人和机器人技术的惊人发展时代，但这同时引发了一个问题：做人形机器人真是一个好主意吗？

为了回答这个问题，他展示了波士顿动力仓储机器人Stretch执行任务的视频，例如卸货、搬运箱子等。他表示，这些这种特定功能型机器人同样能完成任务，它们利用视觉感知就能工作，也更符合商业逻辑。

“如果我们想制造一台成本更低、在实际应用中性能更高的机器，完全可以简化这台机器——它可以有人形机器人的一些元素，但是可以进行简化。因此，我们做出了这样可伸展的机器人，其目的就是将卡车上的货卸下来。它可以移动，也可以将卡车上的货物卸下来，速率和人差不多，失败率很低。根据我们在几家不同公司进行的测试，它在仓库里处理了数百万个箱子，在真正的仓库里，做着真正的工作。”

Raibert认为，要想评判人形机器人理念的好坏，关键还要取决于研发目标——“如果你的目标是创造下一代机器人，实现我们对机器人的梦想，让它们的能力达到人类的水平，那么我想说，放手去做吧（这也是我的梦想）。”

他表示，人形机器人是个很棒的主意，但如果像利用它在明年或者后年就赚钱，或者大规模地实现商业化，那其实还有很多其他方法可以达成这个目标。