雷鋒網(wǎng) AI 科技評論按，就在上個月，波士頓動力在 YouTube 上刷了一波 Atlas 2 的新技能。從視頻中可以看到，相比今年五月在跨越障礙時還得停頓片刻，這次 Atlas 2 可以直接奔跑著跨越了。

Atlas 2 這次秀出的技能分為兩段，跨越障礙+三級跳，這次的技能銜接和釋放更為流暢，也受到了眾多媒體的一致好評。一方面，大家感嘆技術(shù)越來越成熟，另一方面，卻由于報導(dǎo)在專業(yè)性上失實而引得相關(guān)研究人員反感。

比如如下言論：

• 硬件方面其實已經(jīng)成熟，最難的就是算法，從機器人設(shè)計來看，每一種動作背后是一個算法，像是跑步、蹲、跳躍等，要把各種算法軟件結(jié)合，進而協(xié)調(diào)雙足自由度的運作，其中人工智能在此扮演了關(guān)鍵角色。

• 從這可以看到他做到了讓算法快速迭代，人工智能在此顯然扮演了重要角色。

• 波士頓動力需要用到復(fù)雜的人工智能算法，以保證機器人的平衡以及定位和導(dǎo)航功能。
  

來自意大利技術(shù)研究院（IIT），研究方向為仿人機器人的博士生任賾宇，近日就針對此言論發(fā)表了非常不同的觀點。他認為，現(xiàn)階段 Atlas 2 只是在極佳性能的硬件平臺上使用傳統(tǒng)的運動控制方法去實現(xiàn)了這一系列令人震撼的高爆發(fā)力的跑跳運動，并沒有使用任何與人工智能相關(guān)的機器學(xué)習(xí)算法。

以上言論在他看來都有些「可笑」。「不知道這類信口開河的自信是從何而來」，他如是說道。他也表示，雖然一些做腿足式機器人相關(guān)的同行也都義正辭嚴(yán)對以上言論進行了留言和批評，但總的來說，保持頭腦清晰、客觀理智的人還是少數(shù)，大部分人還都在跟風(fēng)鼓吹人工智能和機器學(xué)習(xí)。

他進一步談到，大約從 17 年開始，很多研究人員嘗試將機器學(xué)習(xí)的理念應(yīng)用于腿足式機器人，尤其是雙足機器人的行走（locomotion）控制中，取得了很好的成果。但大方向上，還是體現(xiàn)了當(dāng)前機器學(xué)習(xí)類方法在雙足機器人硬件平臺上落地的局限性，包括訓(xùn)練周期長，可供采集的樣本少，機電系統(tǒng)不穩(wěn)定性帶來的 corner case ，設(shè)置 Reward 難度大，仿真模型和實際模型相差太大等等，還有相當(dāng)長的道路要走。

現(xiàn)在機器人界對機器學(xué)習(xí)這類新的方法和可能是非常開放的，但對于把現(xiàn)階段將波士頓動力的核心定位于人工智能+機器學(xué)習(xí)，是極其不合適的。初衷也很簡單：

• 一方面，明明是一群做機電液壓系統(tǒng)實現(xiàn)+傳統(tǒng)運動控制的硬件和控制工程師辛勤工作的成果，憑什么要被人工智能收割？
  

• 另一方面，還原事實真相，找準(zhǔn)現(xiàn)階段的差距和發(fā)展方向，我們才能盡可能縮短和別人的差距，否則只能被瘋狂收「智商稅」。

任賾宇進一步解釋，波士頓動力創(chuàng)始人 Marc Raibert 已經(jīng)在很多場合公開聲明「目前沒有使用到機器學(xué)習(xí)相關(guān)的算法，仍是基于傳統(tǒng)的運動控制去做實現(xiàn)，但并不否認未來使用的可能性」。

在今年馬德里 IROS 的 Planetary Talk 上，他也和朋友在會場又親耳聽 Marc Raibert 重復(fù)了一次，并且今年他的導(dǎo)師（Nikos G. Tsagarakis）被邀請為 Marc Raibert 的 Planetary Talk 的介紹人，和 Marc Raibert 私下聊了很多，再三確認過現(xiàn)階段 Atlas 2 仍然是基于傳統(tǒng)的運動方法。

從 Marc Raibert 在 IROS 整場 Plantary Talk 傳遞的觀點來看，任賾宇認為波士頓動力 Atlas 2 的核心是在于其：

獨一無二性能極佳的硬件平臺 +「飽經(jīng)錘煉」的運動控制算法（QP+RHC）

獨一無二性能極佳的硬件平臺

Atlas 2 相關(guān)的集成結(jié)構(gòu)與液壓系統(tǒng)

這類高能量密度、高集成緊湊度、高結(jié)構(gòu)強度的液壓元件與機電系統(tǒng)，很難在地球上找到第二家。Raibert 在今年 IROS Planetary Talk 也提及：Atlas 2 的動力源液壓泵是做到了極小尺寸的高能量密度（5kw/5kg）——「You can not find it anywhere else in the world.」Raibert 相當(dāng)自豪地說到。

對于「硬件方面已經(jīng)成熟」這種言論，任賾宇表示，不知這樣的自信從何而來。另外，更不要談?chuàng)碛杏布脚_之后，后續(xù)相應(yīng)的優(yōu)化，維護和調(diào)試工作了。

「飽經(jīng)錘煉」的運動控制算法

具體來說，Atlas 2 的運動控制大方向是基于 QP+RHC (Raibert 2018 IROS 口頭敘述)：

1. Quadratic Programming（QP）二次規(guī)劃；

2. Receding Horizon Control（RHC）= Model Predictive Control（MPC）模型預(yù)測控制。

QP 與 RHC（MPC）是做運動控制的同行比較熟悉的，但把這類大家都熟知的控制方法應(yīng)用在 Atlas 2 這個大人型上，實現(xiàn)最近我們看到的后空翻、三級跳與跑酷相當(dāng)困難——需要一個漫長而復(fù)雜的基于實際硬件系統(tǒng)（考慮單個驅(qū)動器存在的超調(diào)、滯后與誤差與多個驅(qū)動器誤差的疊加與耦合）的調(diào)試和優(yōu)化。

任賾宇舉了如下兩個小例子去簡單闡述當(dāng)前實驗室中做的運動控制與波士頓動力的差距:

1. 仿真環(huán)境中的運動控制 ≠ 實際硬件平臺的運動控制；

2. 小尺寸雙足人形（諸如 Nao）的運動控制 ≠ 大尺寸仿人雙足人形的運動控制。

他表示，真正好的運動控制算法需要在實際的硬件平臺上花心思精力去調(diào)試，也即他所指的「飽經(jīng)錘煉」！

「Marc Raibert 也再次著重提及要大膽在硬件平臺上做調(diào)試的重要性——『People nowadays are afriad of breaking robots, the right way is building it, breaking it and fixing it!』也希望大家不要以訛傳訛，多和國際交流，找準(zhǔn)正確的方向，腳踏實地去追趕?！?/p>

參考：https://zhuanlan.zhihu.com/p/47984991

雷鋒網(wǎng)雷鋒網(wǎng)

雷峰網(wǎng)版權(quán)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。