上一篇介紹波士頓動力（Boston Dynamics Institute, 以下簡稱BDI）Atlas2的文章，得到了相當多的關注（大量的評論和私信），導致有很多有趣的評論、很有水準的問題、尖銳的批評沒有及時回覆討論，當然也出現瞭如下共性的問題需要在這裡再寫一篇文章，分享自己的想法也希望和大家一起討論。

1. Atlas2的運動控制是否應用了機器學習的方法？
2. Atlas2其11月16日的視訊體現了機器人什麼方向的領先？
3. 當前雙足人型機器人的運動效能瓶頸？硬體還是軟體？
4. 我們該如何追趕或彌補在人型機器人領域與世界的差距？
5. 雙足人型機器人是否真正具有市場應用場景？

----------Atlas2的運動控制是否應用了機器學習的方法？----------

最準確的回答是：不知道。

機器學習現在是真的火爆，最多的評論或者爭論就是關於Atlas2的運動控制是否運用了學習的方法。大部分同行的判斷是：BDI運用的還是傳統的運動控制方法，我的觀點也是這樣。但是有個細節似乎能反應一些端倪，下圖是BDI官網上的Job Listing，即使現在沒有運用，我相信BDI在未來是會在運動控制領域嘗試機器學習的方法。

很有趣的是：最近兩年，學術界越來越多關於人型機器人運動控制的文章開始引入機器學習的概念，機器學習的方法是否能真正替代傳統的運動控制？現在還不好判斷，讓我們拭目以待。

（現在看學術文章是否到底有用，還是需要擦亮眼睛，critical一些，拿實際的DEMO說話）

----------Atlas2其11月16日的視訊體現了機器人什麼方向的領先？----------

很多很多的評論都提及到了AI（Artificial Intelligence），但目前Atlas2的視訊所展示的效能和AI關係不大。Google的Alpha Go是AI的頂級體現，這兩塊領域的不同，也是Google出售BDI的另外一個原因：理念上有所差異。

實際上，其展現的是人型機器人——卓越的機電系統（Mechatronics System）的運動效能，可以用如下這個圖來概括：

我以前很喜歡用一張金字塔的圖來描述Mechatronics，但金字塔會給人帶來哪個領域重要，哪個領域次重要的誤導，所以這次選用這張圓形圖：即每個領域都很重要：

缺一不可，木桶效應。

----------當前雙足人型機器人的運動效能瓶頸？硬體還是軟體？----------

首先讓我強調，我這裡談的是“雙足人型機器人”的“運動效能”，而且是目前制約運動效能進一步發展的“瓶頸”。

先給大家看兩段雙足機器人的運動模擬視訊，來自

@惺忪眼

  （同部門的PhD：辛鬆晏，做locomotion control，也是我來自浙大的學長）

Pistol Squat（速度x0.25）, 基於Walkman的URDF，ROS&Gazebo：

Humanoid Running (速度x0.1)，基於Walkman的URDF，ROS&Gazebo：

然後麻煩大家再回來看看這個”小兒麻痺症“的Walkman:

這下你們知道了問題的所在了麼：

硬體的發展水平匹配不上運動控制的要求，目前主要體現在大人型機器人的：

1. 傳統的驅動器（電機）能量密度低，相較液壓系統而言；
2. 而液壓系統在同等的技術水平下，又難以做到電機那樣的精確控制；
3. 純位置控制無法勝任動態控制l的場合，大部分機器人因為力控的不成熟還在使用位置控制；
4. 人型機器人對驅動器輸出力矩的要求，基本否定了直驅電機的應用，而是引入了非線性元件減速箱，導致無法直接使用電流閉環做力控。一般都需要在減速箱端和輸出端之間設計彈性體，通過彈性體的形變測量輸出端的力矩，而驅動器本身的震動噪聲和彈性體多次形變後機械效能的改變，都會導致反饋回來的力矩數值猶如天方夜譚。
5. 待補充。

我們這樣一個平均水平的研究所，PhD水準的同事做的這兩個運動控制的模擬，你們可以去全世界範圍內找一找，除了BDI之外，還有哪家的大人型機器人能在現實中做到？據我所知，是沒有的（如果你能找到DEMO,請私信我）。

整個行業都似乎面臨這樣的問題：模擬猛如虎，現實爛如狗。

做控制的人也都知道，模擬中基本可以驗證原理性的東西是否正確，而模擬的理想環境和實際的機器人模型還是有一段距離，因此成熟的控制都需要到實際機器人上去驗證、去調整。那麼問題又回來了：你需要一個性能穩定的機器人去驗證、實現你的控制演算法。機器人效能越好，模擬和實際差距越小，做控制的人也越省事，稍微做一些修正和補償，基本上就八九不離十。硬體效能如果爛到一定地步，基本上就是除錯個小半天，一不小心，機器人這個機電系統任何一個底層硬體出了問題，少則修理兩三天，多則一到兩個星期。

很多做運動控制的人就會自然而然埋怨做硬體的都是些”瓜皮“，而很有意思的是，原本做底層硬體的人又都擠破腦袋去做運動控制，惡性迴圈。

因此，從我兩年半PhD的認知來看，當前雙足人型機器人的運動效能瓶頸無疑還是硬體。

----------我們該如何追趕或彌補在人型機器人領域與世界的差距？----------

我們可以把目標先定在平均水準左右，比如說我目前在的實驗室——義大利技術研究院。這邊也是從2000年之後才開始發展的人型機器人，以下這個視訊是2014年左右的水平：

Walkman 是我們實驗室2014年底開發的 Whole Body Torque Control Humanoid Robotics，所謂的“全身力控人型機器人”。

驅動方案是採用SEA = Kollmorgen Motor+Harmonic Drive Gearbox+彈性體。坦白來說，當時硬體上的力控沒有做好，所以後續的所有Locomotion都是在Position Control的基礎上開發的。

我們很快就認識到了硬體上的缺陷，部門的第二代人型機器人Walkman Plus，迄今為止總共花了將近3年的時間，完成了驅動器相對成熟的力控方案和機器人下半身的設計製造。而看看BDI Atlas2兩個版本的迭代時間：從2016年2月23日到2017年11月16日，這種硬體版本迭代真是異常迅速。之前思考是認為研究所在歐洲（義大利）的原因， 但即使是在注重效率的國內，Laikago的Leader

@王興

 也強調了其迭代的速度，BDI的硬體迭代能力可見一斑。

我在這裡拍著胸脯說：只要國家想要發展人型機器人，去腳踏實地的做事，去吸納現在國際學術圈有價值的技術，按照國內工程人員、科研人員的水平、能力和效率，2到3年就能達到如上視訊的水平。

從上一次參加IROS的經歷來看，中國人型機器人的發展水平，我個人看來是不符合目前中國的綜合國力水平的。領頭羊自然而然是美國的一些列研究所和高校，後邊有歐洲的德意瑞法英這些與日本平分秋色，俄羅斯時不時來點黑科技（俄羅斯人似乎很多文章都在他們國內自己的雜誌發，不太喜歡和西方學術圈接軌），韓國這幾年的人型機器人業發展也突飛猛進。

----------雙足人型機器人是否真正具有市場應用場景？----------

這也是大家討論爭論很多的一個問題，為什麼我們一定要發展仿人的雙足機器人？這類機器人是否有無可替代的應用場景麼？

我的答案是：目前是沒有的，未來還是未知的，但並不妨礙科研領域的研究。

為什麼說現在沒有？因為世界上最頂尖的人型機器人公司（波士頓動力）是靠著吃軍方Funding過日子的，是有著被“親爸爸”谷歌賣給“繼父"軟銀的經歷的，我不認為，短期內會出現第二家人型機器人公司靠著市場盈利活下來。

未來到底有沒有呢？未來行業發展的趨勢和變化實在太快了，我初中時期如日中天、不可替代的諾基亞不是一夜間都沒有了麼？作為從事人型機器人研究的我，我也一直一直在思考，假設在未來，技術水平發展到一定階段，有哪些應用的場合是人型機器人不可取代的呢？我思前想後：除了伴侶式機器人或者說性愛機器人，似乎其他的應用場合，都可以用其他更可靠，價格更低廉的方案替代。（不成熟的想法）

但是，這並不妨礙科研領域的研究。原因很簡單：雙足人型機器人底層的硬體要求與運動控制難度是最大的。仿生、高效的硬體設計，新一代革命性的驅動器的開發，嵌入式控制器的微型化，動態運動演算法的優化與開發等等，這些個方面的技術水平如果能滿足雙足人型機器人的要求，那麼對於其他的輪式或是四足，進行適當的技術轉化，將會很容易勝任。

同時，機器人”仿人化“也是我們未來的遠大目標，技術的發展不會存在斷崖式的突破，需要研究機構和高校一步一個腳印去積累。

瞭解更多幹貨文章，可以關注小程式八斗問答