【Youtube】波士顿动力公司的新款 Atlas 机器人现在过于拟人化...甚至有点吓人

机器人正以惊人的速度变得越来越先进。Atlas能像人一样奔跑、翻转和移动。优必选（Unitree）正在中国销售能做侧空翻的人形机器人，售价为16000美元。微型机器人正在探索海洋的最深处。在爱丁堡，一个机器人在真实的厨房里制作咖啡。韩国有些大楼由机器人负责安保和送货。在瑞典，一只机器狗正在接受真正训犬师的训练，没有海量数据集，只有真实世界的学习。这就是正在发生的事情。那种流畅性并非一蹴而就。Atlas的大部分技巧来自强化学习（reinforcement learning），这基本上就是机器人版的“熟能生巧，直到你不再摔倒为止”。在模拟中，工程师让系统尝试同一个动作的数千种变体，每次成功都会得到一个奖励信号，而每次失误则不然。随着时间的推移，它为奔跑、爬行、侧手翻，甚至是在地板上做的那个奇怪的侧滚动作，都微调了“肌肉记忆”的数学模型。这个学习循环可能非常缓慢，因为每次迭代都必须进行模拟、检查和调整，但回报是巨大的。这些数字体操训练教会了Atlas如何适应它遇到的任何真实世界的表面——无论是混凝土、胶合板还是垫子，都能持续移动。得益于今年一月波士顿动力（Boston Dynamics）与机器人与人工智能研究所（Robotics and AI Institute, RAI）宣布的新合作关系，这种学习背后有了更强大的动力。整个目标是提高虚拟训练场的真实感，这样Atlas就不仅仅是记住一个原始的环境，而是能适应杂乱的环境、随机的斜坡和奇怪的障碍物。团队甚至在奖励系统中加入了新的安全检查，以确保机器人不仅能完成动作，而且能在不给电机带来压力的情况下平稳落地。这一点很重要，因为波士顿动力希望这些机器人能走出实验室，进入合法的工作场所。Atlas内部的硬件也升级了。波士顿动力植入了英伟达（Nvidia）的Jetson Thor模块，这是一款紧凑但功能极其强大的边缘计算机，可以直接在机身上运行繁重的AI模型，而无需将原始传感器数据发送到远程服务器。你一看视频就能立刻看到好处。Atlas能实时处理激光雷达（LIDAR）、惯性数据和视觉信息，然后在步与步之间调整步态。而且因为工程师们使用了NVIDIA Isaac Lab——一个基于Isaac SIM和Omniverse技术的开源堆栈——他们可以在模拟中进行原型设计，部署到物理机器人上，审查日志，然后迅速返回沙盒进行下一次迭代。波士顿动力的首席技术官亚伦·桑德斯（Aaron Saunders）直言，弥合模拟与现实之间的差距，正是一个花哨的演示和一个可靠产品之间的区别。早在2022年，波士顿动力与其他几家机器人公司承诺，不会为他们的任何机器人配备武器。这一承诺至今仍然有效，并影响着每一个设计选择。工程师们没有安装武器挂载点，而是加倍投入于灵活性和韧性。Atlas现在可以向后弯曲膝盖，平趴在地上，并在没有外部帮助的情况下重新站起来。它的头部和躯干可以旋转整整180度，这既诡异又实用，因为机器人不需要转动脚就可以检查刚刚滚到它身后的任何东西。波士顿动力并不是唯一一家追求敏捷人形机器人的公司。在中国的优必选（Unitree）一直在疯狂地发布更新。他们的G1人形机器人起售价约为16000美元，这相当惊人，要知道该公司早前的H1型号是第一个完成“后空翻”的电机驱动双足机器人。新款的G1更小更便宜，但他们对其进行了所谓的“敏捷升级”，现在它可以在演示中慢跑，甚至做出侧空翻。优必选的视频看起来很真实，但在那种如体操运动员般丝滑流畅的感觉上，Atlas仍然处于领先地位。优必选的工作真正告诉我们的是，先进双足运动技术的价格下降得有多快。15年前，你需要一份国防合同和一个装满液压泵的仓库；而今天，一家初创公司就可以发货一个20多公斤重、配备全电动执行器、能在办公室里翻滚的机器人框架。波士顿动力也没有忘记它的其他机器人。著名的黄色四足机器人Spot刚刚继承了新的感知和自主功能，由运行Atlas的同一个AI骨干提供支持。通过该公司的Orbit软件，你现在可以管理一整个机器人队伍，安排巡逻，并从多个机器人那里收集分析数据，而无需用操纵杆照看每一个单元。这是那些不那么吸引人但至关重要的层面之一，它将一个华丽的原型变成了一个工业现场经理可以在日常轮班中实际使用的东西。说到恶劣环境，让我们离开工厂车间，直接潜入海底。由浙江大学的工程师、中国科学院的科学家以及其他合作者组成的研究团队，已经建造了一个微型海洋机器人，它仅重16克，跨度只有几厘米。其设计围绕一个软体驱动器，该驱动器利用一种“突弹”机制在两个稳定状态之间切换，基本上就像那种啪嗒作响的发夹，但由柔性聚合物工程制成。在游泳模式下，腿部收拢在内，而尾鳍和胸鳍式的鳍片则伸展开来，这样机器人就可以在水中滑行或脉冲前进。当它切换到行走模式时，鳍片折叠回去，腿部弹出，它可以在沉积物上行走而不会扬起尘土。所有这些形态变换都依赖于形状记忆合金弹簧，每当有电流脉冲通过时，这些弹簧就会使身体在这两种形态之间快速切换。这个小机器人已经在一些深得令人难以置信的地方证明了自己。首先，他们将它送到了1384米（约4540英尺）深的海下冷泉区。然后，他们又将它投放到马里亚纳海沟（Mariana Trench），深度达到10666米（约35000英尺）。这么小的东西本不应该能在那种压力下幸存，但它却持续游泳，甚至使用一个软体夹持器附件来捕捉活的海洋生物而没有损伤它们。轻巧的框架意味着它不会像那些较重的遥控潜水器（remotely operated vehicles, ROV）有时会做的那样，扬起沉积物或撞上脆弱的珊瑚。回到陆地上，在爱丁堡大学的一个厨房里，一个七关节的机械臂正在悄悄地掌握冲泡咖啡的艺术，而不会把台面搞得一团糟。博士研究员雷耶·里德-穆勒（Reyer Reed-Muller）的团队将推理算法与密集的传感器反馈相融合，因此该平台可以遵循自然语言命令，解析其环境，并在任务中途有东西移动时进行调整。如果有人拿走了它正要伸向的杯子，机械臂会即时重新计算，转向一个打开的抽屉，然后取出一个新杯子。正是这种感知、运动和实时规划的结合，使其与那些需要围栏区域和精确路径点的老式工业臂区别开来。这个机器人确实能打开它以前没见过的抽屉，识别出哪个抽屉里有勺子，然后回去继续搅拌咖啡。没人假装它明天就能取代经验丰富的咖啡师，但它展示了在混乱且不可预测的空间中，你可以将任务级自主性推向多远。安防技术也正迎来类似的浪潮。现代汽车集团（Hyundai Motor Group）与以生物识别门禁闻名的Suprema公司达成协议，将面部识别与自主机器人相结合，用于建筑安防。他们已经在Factorial圣水（Factorial Seongsu）部署了该系统，这里被称为韩国首个商业机器人友好型建筑。53个面部识别扫描仪负责门禁控制，一群服务机器人在大厅里漫游，穿过自动门，乘坐电梯，应有尽有。其宏大构想是让整个建筑与自主系统融为一体，这样就不会出现机器人被锁在门外等待人类刷卡的窘境。现代汽车提供移动平台，Suprema带来生物识别智能，它们共同推动新的认证，这最终可能会改写建筑安全标准。他们还在测试先进技术：人工智能控制的人流、自主送餐、即时包裹路线规划，这些技术将一栋办公楼变成了一个带有轮子的活的有机体。让我们向北去瑞典看看，因为一家名为Intelligent Systems（Inel）的人工智能初创公司推出了一款名为Luna的四足机器人，它的训练方式与真实动物一样。该公司没有给Luna喂食TB级的标记步态数据，也没有将它锁定在某个巨大的离线模拟中数月之久，而是给了这个机器人一个数字神经系统，并聘请了一位专业的训犬师——是的，一位真正的训犬师。Luna通过与周围环境互动来学习：滑倒、调整、再迈一步。这意味着没有运行强化学习的臃肿数据中心，没有庞大的图形处理单元（graphics processing unit, GPU）集群，只有实时反馈。首席执行官维克多·卢斯曼（Victor Luthman）喜欢说，Luna已经可以独立站立和行走，并且随着它不断探索，其技能集也在不断扩展。因为其架构是目标驱动的，而不是预设脚本的，公司声称同一个“大脑”可以处理深海探索、灾难响应，甚至在火星上建造避难所，所有这些都无需预加载数百万个边缘案例。这种方法呼应了生物学家几十年来一直在呼吁的观点：没有什么能替代真实世界的互动。当你想要稳健的行为时，像Luna这样的机器人会像搜救犬一样攀爬碎石堆，对湿滑的岩石或松散的碎屑做出反应，并当场改进。如果你把它扔进火星的熔岩管，它不会因为地形不在训练集中而卡住；它会像狗或山羊一样，一次一个立足点地摸索前进。如今，你可以在所有这些项目中看到一个共同的模式：更强大的机载计算能力，更好的从模拟到现实的流程，以及对适应性的执着。无论是Atlas的侧手翻，优必选大幅降低人形机器人的入门成本，一个16克的机器人在深海海沟中穿行，还是一个咖啡机械臂为杯子重新规划路线，代码和电机扭矩之间的障碍正在迅速消失。