在2024世界機器人大會上，人工智能研究所執行主任、波士頓動力公司創始人Marc Raibert的出席和發言備受矚目。RoboX在現場對其演講內容進行了記錄和整理，並據其內容提煉出下文：
一、從研究生物，到研究機器
「對我來說，開發機器人技術的最初靈感來自於動物。」
大約在50年前，Raibert開始從事機器人研究。當時，身為碩士生的他參加了一場大會，並在現場看到了一個機器人。
這個機器人給他帶來了啟發，但並不是因為其設計有多好，反倒是因為它的 缺點 ：例如外觀嚇人、移動不夠順暢等。
他頓時覺得，當時的機器人設計思路是完全錯誤的—— 在動物移動的時候，它們可以很好地維持平衡，且不需要限制自己的速度，機器人也應當如此。
在Raibert還在學習生物學和神經控制時，他認為動物的動作非常神奇——它們可以快速奔跑，感知靈敏，動作靈活。它們都為了生存而奔跑跳躍。
即便人類的生存環境雖沒有那麽惡劣，但也能擁有協調的動作。就連 兩歲多的幼兒，在沒有接受任何訓練的情況下，也能做到合理地攀爬。
他回憶道，曾有的機器人擁有6條腿，18個關節。在Raibert看來，這實在太過冗余了。
「如果用逆向思維來考慮，6足機器人可能會有3000萬種可能的步態，那我們是不是也可以做一條腿的機器人？它只有一個步態，那樣就無需考慮如何平衡多樣、復雜的步態。」
但是，對於單足機器人來說，它對動力、平衡、控制的要求都更加嚴苛，所以Raibert也開始考慮做雙足機器人——它的平衡性不僅更好，甚至還可以翻跟頭。
在20世紀80年代初，由於缺乏整合化和小型化的技術，Raibert及團隊會為機器人配備一台外置電腦，但彼時他們已經掌握了動態系統中關於移動的基本原理。
之後的故事大家都知道了，波士頓動力做了四足機器人，它們可以做出各種各樣、更加復雜的運動。
二、從運動智能，到認知智能
到了最近，Raibert的多數工作都與機器人運動智能相關，包括控制零件、保持平衡、控制能量、即時與周邊環境互動，探索周圍物體等等。
但是除了運動智能，還有認知智能。
在ChatGPT影響到世界之前，Raibert就已意識到了這一趨勢，於是在兩年前創辦了人工智能研究所（AI Institute），希望將這兩種智能合二為一。
「不知道我是否能迎頭趕上人工智浪潮，還是會被這個浪潮吹的暈頭轉向，但這確實是讓人興奮的認知智能時代。我們人工智能研究所持有長期思維，而非希望透過銷售產品來賺錢。」
Raibert表示，他希望人工智能研究所能成為純粹專註於機器人技術，以及人工智能未來幾代需求和發展的基礎研究實驗室，為未來的研究者鋪好道路。
他介紹稱，現在人工智能研究所主要關註4個領域。
-
運動智能
-
認知智能
-
硬件設計 —— 在這一點上，Raibert認為如今大家都在關註計算和演算法等軟件問題，導致硬件的重要性遭到了忽視。
-
倫理和道德規範
在運動智能領域， Raibert認為 最典型的設想其實是打造一種高度靈活、運動控制極佳的交通工具，這種工具甚至可以模擬人的動作。
基於此靈感，人工智能研究院設計了一款類似單車的雙輪機器人，它可以自主感知環境並保持平衡，根據規劃，它甚至可以載人彈跳。
他還介紹了另外一個專案—— HALO ，也就是人類運動學習最佳化系統 。其目標是獲得環境高度適應力，同時保持系統的運動特性，該目標將透過機器學習和人工智能來實作，例如透過仿真加強學習。
HALO希望透過大規模的仿真，讓機器人在不同地形、不同特征的環境中進行訓練，以達到相應的運動特征。
「最近我們也將這一技術用到了機器狗Spot身上——我們讓波士頓動力開了一個新的低階別API，直接進行控制。 透過仿真訓練，我們讓機器狗的奔跑速度比此前軟件控制的速度快了一倍。 我們現在已經透過輝達開源了API。「
Raibert不希望機器人使用固定的步態，而是要用最合理、協調的步態獲得最大的靈活性以及速度。 於是，他展示了一個用三條腿「瘸著走路」的四足的機器人，同樣走得很流暢。
「我還記得當年在波士頓動力剛推出機器狗時，它的四條腿好像各自有各自的動法，沒法好好走路。但現在它已經可以用三條腿走路了。」
三、從科幻電影，到現實生活
Raibert的另外一個認知智能專案，叫 「看-懂-做」（Watch.Understand.Do） 。該專案不主張非常復雜的編程，而是讓機器人觀察人類執行任務，並理解它們看到的東西，以及需要實用的技能，然後自己規劃和執行。
「現在，這仍像是科幻電影，但是我想，結合了模型訓練的基礎，再結合運動技能，我們在未來可以在這方面獲得進展。」
其實，在家用機器人方面，人們早已有類似的思路。例如讓機器人在環境當中可以收集資訊，排查機器故障，出現故障之後進行診斷，並且自動維修。 「我相信有一天會實作這些目標，在工業領域之外，在家庭的場景當中也可以實作。」 Raibert說道。
在波士頓動力的產品中，除了商業化較快的機器狗Spot，以及機械臂產品Stretch外，最受關註的還是人形機器人Atlas。
眾所周知，新一代的Atlas由液壓改為電力驅動。據Raibert介紹，它的行動模型預測能力，使其動力控制水平非常高。
「我們開發了Atlas的模型預測能力，因此它可以實作之前無法達到的能力——它能更好地移動、保持平衡，也能將更復雜的任務序列放在一起。例如用雙手來控制物體，包括比較重的啞鈴和貨物。Atlas的視覺感知系統，既可以用於協調它與部件的互動，也可以結合導航功能。」
Raibert介紹稱，在現實工作中，要想讓機器人和環境相協調，需要高精確性和導航。目前，已有機器人可以控制汽車的零件，並且將它們放到位，進行一些組裝工作。
四、A Good Idea ？
Raibert指出，現在正是人形機器人和機器人技術的驚人發展時代，但這同時引發了一個問題： 做人形機器人真是一個好主意嗎？
為了回答這個問題，他展示了波士頓動力倉儲機器人Stretch執行任務的影片，例如卸貨、搬運箱子等。他表示，這些 這種特定功能型機器人同樣能完成任務，它們 利用視覺感知就能工作，也更符合商業邏輯。
「如果我們想制造一台成本更低、在實際套用中效能更高的機器，完全可以簡化這台機器——它可以有人形機器人的一些元素，但是可以進行簡化。 因此，我們做出了這樣可伸展的機器人，其目的就是將卡車上的貨卸下來。它可以移動，也可以將卡車上的貨物卸下來，速率和人差不多，失敗率很低。根據我們在幾家不同公司進行的測試，它在倉居里處理了數百萬個箱子，在真正的倉居里，做著真正的工作。」
Raibert認為，要想評判人形機器人理念的好壞，關鍵還要取決於研發目標—— 「如果你的目標是創造下一代機器人，實作我們對機器人的夢想，讓它們的能力達到人類的水平，那麽我想說，放手去做吧（這也是我的夢想）。」
他表示，人形機器人是個很棒的主意，但如果像利用它在明年或者後年就賺錢，或者大規模地實作商業化，那其實還有很多其他方法可以達成這個目標。
