①

　　②

　　③

　　④

　　大臂屈肘，前臂在空中劃出一個優美的“扇面”之后舉過頭頂，Atlas的整個身體被帶動起來，腳掌蹬地，大腿力量爆發，一個后空翻，落地完美。

　　近日，波士頓動力發布了一段機器人后空翻的視頻，記者一直在猜想體操比賽“神解說”金寶成會給這段動作干凈、沒有拖沓的表演估分多少。

　　無論分值多少，“震驚世界”是肯定的了——機器習得的人類本領又多了一個，而且還是一個大部分人不能完成的高“顯示度”的身體技能，這勢必會引起大部分人的注目。科技日報記者為此采訪了東南大學儀器科學與工程學院院長宋愛國、德國人工智能研究中心科學總監菲利普·斯魯薩力克，對Atlas的動作進行技術分解，梳理一下它的背后有哪些技術在支撐發力。

　　機器人后空翻有多難

　　一個后空翻動作， 最難的是哪一步？起跳、翻轉、落地，還是穩住？

　　“要有力量”，宋愛國沒有直接回答記者的問題，他說，想翻轉，跳起來了，但是力量不夠大，就不能給翻轉足夠的時間，也談不上動態的調整，因此動力是后空翻能夠完成的基礎。

　　第三代Atlas并不是告別外接電源的第一代。資料記載，波士頓動力2016年推出的第二代Atlas就配備了內置電池驅動，不再需要外接電源獲取動力。

　　“瞬間給力會更大，就像人要調集自己肌肉內部的ATP儲能一樣，翻轉開始時的爆發力對電池的要求更高。”宋愛國提醒，在關注傳感器、算法等人工智能研究的同時，也要關注動力等基礎研發，“機器人的研制是一個全鏈條的工作”。

　　“在機器人的體內會有姿態傳感器，也就是陀螺儀。”宋愛國說，通過陀螺儀，它能夠知曉自己的空間方位。與生物判斷自己的方位和姿態不同，“人類的平衡感知集中在小腦部位。而機器人的平衡感知是分布式的，通過陀螺儀分布在它的軀干上”。

　　“它一跳，腿部跟著擺動上來，然后翻轉，整個身體的姿態也隨之調整。”宋愛國說，“姿態傳感器獲取了各部位的旋轉狀況，將信息傳遞到中央處理器，進行控制決策。”

　　“控制的實施要快，因此對算法的有效性要求很高。”宋愛國說。決策的具體過程可分解為：將姿態轉換成數據，進行計算處理，找到應對策略，傳遞給不同部分，控制姿態，獲取平衡。可以想見后空翻的所有計算要在“慢飛行”的情形下完成，因此控制算法優化極考驗功底。

　　“我有幸親眼見過Atlas，很多學校都在拿這款機器人做硬件平臺，然后研究控制算法。”“知乎”上一位機器人領域的研究者介紹，波士頓動力控制算法已成為院校的典型范例，被用作教材。

　　此外，落地的平衡控制是較難完成的環節。這一過程中，剛性接觸和柔性接觸分別要采用不同的模型，還要設計二者的兼容模型。宋愛國說，為了給這個大家伙輸出足夠的動力，也為了減少落地對它的緩沖，Atlas的腿部裝了液壓伺服器。“兩個細長的桶狀裝置，裝在腿部，將剛性接觸轉化為柔性接觸。”

　　“目前的驅動部件，有電機、有氣壓、有液壓，后兩種能夠降振減壓”，宋愛國說，它們不會因為瞬間沖擊力的增加而爆掉，而且輸出動力也足。但是，在算法控制上，液壓伺服的數學模型是非線性的，力量不會隨著電壓的增長而線性增長，控制的精度會低一點，宋愛國說：“機器人的腳部也會安裝多維力傳感器，對腳步的受力狀態進行輔助控制。”

　　嚴苛“訓練”為哪般

　　隨著Atlas后空翻的走紅，波士頓動力“虐待”機器人的一些老視頻也被網民扒拉出來。視頻中，測試人員不是對機器人猛踹，就是突然出現撞擊機器人，“這不是欺負，是為了檢測機器人的穩定性能”。智能一點技術人員萬俊說。

　　“可以不必這樣。”菲利普·斯魯薩力克主要從事計算機圖形學領域的研究，能夠為各種應用領域的模擬、分析、可視化、訓練和決策創建3D環境，他表示，對機器人的訓練可以通過虛擬場景進行。

　　“我沒有加入到這個研究團隊中，不是很了解他們是如何建模和調整的”，菲利普的回答透著德國人的嚴謹，但是人工智能的深度學習必須要從經驗中得來。

　　用數據替代現實，能夠給機器人足夠的深度學習數據。“我們已經在開展和機器人非常相似的無人駕駛汽車的訓練，利用虛擬3D環境為汽車調整參數、算法和模型設計。”菲利普說。

　　“并不是所有的環境在現實中都能找到，例如火星環境、戰爭環境等。”菲利普說。機器人的研制初衷是代替人類進入嚴酷的環境，這也是波士頓動力公司受軍方資助的原因之一。

　　機器人能不能在這些環境中勝任呢？“創造出真實環境和多樣的場景驗證，花費巨大，而且也難以實現”，菲利普說，虛擬3D環境的設計是解決之道。

　　這涉及到除了翻跟頭之外的另一個問題——什么時候翻跟頭？

　　“發布的這個機器人，現在只是能夠完成人類給定的指令，還不能自己判斷什么時候后空翻”，宋愛國說，在完成高難度動作之外，機器人還需要自己判斷。

　　例如，一個孩子從路上突然出現，機器人能不能判斷出避讓或翻過去。“它們不僅要能判斷大孩子、小孩子、打傘的孩子或者追球的孩子，一旦遇到‘孩子是翻著跟頭過去的’這種罕見的模式，也要判斷出來。”菲利普說。

　　分布式的、沉浸式的、協作和交互式的3D環境，將給機器人一個個虛擬世界，只有當它們通過不同場景背后一套套“模擬試卷”的考驗后，才能夠被評判為：智能系統安全。

　　我國研究正起步

　　關注Atlas的業內人士，也很樂于八卦波士頓動力公司的波折經歷——它早期在軍方拿到了巨額的研究經費，后被谷歌收購，之后又被谷歌賣給日本軟銀公司。支持經費是其中的重要因素之一。

　　“波士頓動力特別有錢”，有人在“知乎”爆料稱，認識在該公司供職過的研究人員，得知波士頓動力每周都要做機器人實驗，把機器人搞壞，然后發現問題并改正，“因為有錢、有經驗，所以他們一周之內就能把機器人修好，下一周繼續做，全年無休。”

　　可見，仿生機器人是個費錢又費工的研究。近年來，我國也在仿生機器人領域有了值得一提的研究。

　　今年4月百度主辦的創新挑戰賽上，南京大學、西南科技大學等聯合研發的“蜘蛛俠智能救援隊”亮相，能在復雜的路況中穩定行走，相互溝通協作且簡單自主運動。8月召開的機器人大會上，由清華大學計算機系研發的“數據機械手臂”，在人穿上帶有傳感器的手套后，機械手臂會“零延遲”同步響應動作。此外，中國科學技術大學、新松機器人公司等在四足機器人足球、7自由度協作機器人等方向都有相關研究進展。

　　宋愛國介紹，在軍方相關部門有進行四腿大狗的研究團隊，山東大學有研究兩腿直立行走的團隊，但與波士頓動力相比，我國的機器人研制深度和水平還有較大差距。