波士顿动力副总裁：机器人一天就学会了芭蕾舞，尚未使用机器学习

       新年(2021年)之前，波士顿动力上传了一段机器人跳舞的视频引爆全网。现在这段视频仅在YouTube平台就已经被观看超过2500万次。

       当初，为了拍摄这段机器人舞蹈，波士顿动力甚至请来了专业的舞蹈指导Monica Thomas和人类舞蹈演员，为机器人设计动作。

Ai生成

　　在这段视频的背后，还隐藏着哪些技术细节？最近IEEE Spectrum采访到了波士顿动力工程副总裁、Atlas双足机器人团队负责人Aaron Saunders。

Ai生成

　　Saunders从2003年开始就进入波士顿动力工作，参与了很多早期机器人的开发，比如机器狗LittleDog就是出自他之手。

　　以下是采访的主要内容。

　　请来人类舞者指导

　　IEEE Spectrum：您如何看待网络上对这段视频的反应？

　　Aaron Saunders：我们对制作的视频抱有不同的期望；对我们来说，这绝对是有趣的。YouTube上的回应刷新了我们的纪录：我们收到了数百封电子邮件和电话，这些人表达了他们的热情，分享了他们对我们下一步应该做什么的想法，比如这首歌怎么样，这个舞蹈动作怎么样，所以这真的很有趣。

　　我最喜欢的回应是我94岁的奶奶发给我的。她在YouTube上看了视频，然后通过家人发送了一条信息，询问我是否会教机器人这些跳舞动作。我认为这段视频吸引了更多观众，因为它融合了经典音乐和新技术。

　　我们以前从未见过Atlas有这样的动作，您能谈谈你们是如何做到的吗？

　　我们从和舞蹈演员和编舞合作开始，通过创作和编排一个套路，来为舞蹈创造一个初步的概念。其中一个挑战，尤其是Atlas面临的核心挑战，是调整人类的舞蹈动作，以便在机器人上表演。

Ai生成

　　为此，我们使用模拟来快速迭代运动概念，同时征求编舞的反馈，做到在Atlas力量和速度的能力范围之内。这是一个多次反复的过程，他们会说出他们想让我们做什么，工程师会看着屏幕说“这个动作容易”、“这个动作很难”或者“这个动作让我害怕”。

　　然后我们进行讨论，在模拟中尝试不同的东西，并进行调整，以找到一套兼容的动作可以在Atlas上执行。

　　在整个项目中，随着我们构建工具越来越完善，创建这些新舞蹈动作所需的时间变得越来越短。例如，最终我们能够在拍摄的前一天，用工具链在一天内成功创建Atlas的一个芭蕾舞动作。因此，它不是手动编写的，而是有一个可以可以让你设计各种动作的pipeline，你可以通过各种不同的输入来描述，并把它们推送到机器人身上。

　　如何迁移人类动作

　　有没有一些动作，特别难从人类迁移到Atlas机器人身上？还是Atlas可以做得比人类做得更好？

　　芭蕾舞部分的一些旋转动作，需要更多的迭代才能开始运作，因为这些离跳跃和跑步等更有经验的动作相差最远，它们对机器和软件都提出了新的挑战。不要低估人类舞者的灵活性和力量。当你带着优秀的人类舞蹈演员，试图让机器人学着做他们能做的动作，这是一个难题。

　　从根本上说，我不认为Atlas有这些舞蹈演员所拥有的运动范围或力量，尽管我们继续为此开发机器人。因为我们相信，为了在商业上广泛部署这种机器人，并最终在家庭中部署，我们认为他们需要有这种水平的性能。

　　机器人真正擅长的是，以完全相同的方式一遍又一遍地做某件事。因此，一旦我们输入了我们想做的事情，机器人就可以一遍又一遍地做，我们会从不同的角度拍摄。

Ai生成

　　我可以理解你如何使用人类舞者来帮助Atlas完成舞蹈套路，但是你们是如何让Spot机器狗和Handle搬运工一起跳舞的？

　　我认为，和我们一起工作的人实际上有很多思考运动的天赋，思考如何通过运动来表达自己。我们的机器人动作非常好。我们发现人类舞者与机器人的运动方式是关联的，舞蹈指导会把这些统一起来，不管是两条腿还是四条腿。当你不一定有动物运动或人类行为的模板时，只需要更努力地思考如何去做某事，对于更务实的商业行为也是如此。

　　你们教机器人跳舞、做体操或跑酷的经历，对你们机器人的商业应用有什么启发？

　　我们认为舞蹈和跑酷固有的技能，如灵活性、平衡和感知，是各种机器人应用的基础。也许更重要的是，在建立新的机器人能力和享受乐趣之间找到交集，一直是波士顿动力机器人前进的秘诀。

　　当你让机器人在几天内实现这些动作达到极限时，你会学到很多关于硬件鲁棒性的知识。通过产品化，Spot变得非常鲁棒，几乎不需要维护。一旦你教会它，它就可以整天跳舞。

　　它今天如此强大，是因为我们从以前奇怪而有趣的事情中学到了教训。你必须进入未知的领域，才能知道你不知道的事情。

Ai生成

　　两天拍完，未做剪辑

　　通过观看视频，很难知道这背后需要花费多少时间，以及它们在多大程度上代表了机器人的实际能力。你能谈谈吗？

　　我试着在这个视频的背景下回答，我认为我们发布的所有视频都是如此。我们努力去做一件事，一旦做成，它就成功了。对于Atlas来说，大多数机器人控制都是来自我们以前的工作，比如在跑酷上做的工作，让我们走上了使用模型预测控制器来考虑动力学和平衡的道路。

　　我们用这些在机器人上运行一组舞步，这些舞步是我们与舞蹈演员和编舞一起离线设计的。所以，我们花了很多时间，用几个月来思考舞蹈、构思动作、在模拟中迭代。

　　跳舞需要很大的力量和速度，所以我们甚至升级了阿特拉斯的一些硬件，让它更有力量。舞蹈可能是我们迄今为止所做的最有力量的事情。尽管你可能认为跑酷看起来更具爆发力，但你在舞蹈中的运动量和速度令人难以置信。这也花了我们几个月的时间，让机器拥有与算法一致的能力。

　　你看到的这段视频，我们只拍摄了两天。大部分时间都花在了研究如何让摄像机在一群机器人中移动，来拍摄连续两分钟的镜头。当我们多次跑着拍摄舞蹈动作时，就可以非常可靠地重复它。

Ai生成

　　在开场的两分钟镜头中，没有剪辑或拼接。

　　硬件肯定有一些需要维护的故障，我们的机器人有时会绊倒。这些行为不会被产品化，也不是100%可靠，但它们是可重复的。我们诚实地展示了我们能做的事情，而不是我们曾经做过的事情。我认为，当我们已经取得了一些成就后，是需要诚实的，这对我们来说肯定很重要。

　　你提到Spot现在已经稳定到可以跳一整天的舞了。那Atlas怎么样？如果你不断更换电池，它也能跳一整天吗？

　　Atlas，作为一个世界上只有少数几台的机器人，它们很复杂，可靠性不是主要关注点。我们肯定会不时让机器人休息一下。但是硬件的鲁棒性真的很不错。如果没有这种鲁棒性，我们根本无法制作视频。

　　我认为Atlas更像一架直升机，你花在维护上的时间，相比花在操作上的时间更多。而对于Spot，人们的期望是它更像一辆车，你可以运行它很长时间。

　　软硬件技术细节

　　当你教Atlas做新的事情时，它用到了任何机器学习吗？如果没有，为什么？

　　作为一家公司，我们已经探索了很多东西，但是Atlas现在没有使用学习控制器。我期待有一天我们会的。

　　Atlas目前的舞蹈表演使用了我们所谓的反射控制，这是对力的反应、在线和离线轨迹优化以及模型预测控制的结合。我们利用这些技术，因为它们是解锁真正高性能的可靠方法，并且我们知道如何很好地使用这些工具。至于这些工具能做到什么，现在我们还没有探索到路的尽头。

　　我们们计划使用机器学习来扩展和构建我们开发的软件和硬件基础，但我认为我们和社区仍然在努力找出应用这些工具的正确方式。这是我们自然发展的一部分。

Ai生成

　　目前Atlas的大部分运动来自于它的下半身，但是跑酷也利用了上半身的力量和敏捷，我们最近看到一些概念图片显示，Atlas在做支撑跳跃和引体向上。您能告诉我们更多吗？

　　人类和动物用腿做的事情很神奇，但是用全身做的事情更神奇。我认为跑酷提供了一个奇妙的框架，让我们能够朝着全身灵活性的方向前进。

　　散步和跑步只是这段旅程的开始。我们正在经历更复杂的动作，如跳跃和旋转，这是我们过去几年一直在努力的方向。我们下一步是探索如何用手臂来扩展这种灵活性。

　　我给Atlas团队的任务之一是，像利用腿一样利用手臂，来增强和扩大机动性，我对未来几年要做的事情感到非常兴奋，因为我们将有机会利用Atlas做令人激动的事情。

　　您对机器人的液压驱动和电驱动有什么看法？

　　在我波士顿动力的职业生涯中，我曾强烈地感受到不同类型技术的联系。我真的认为这不再是非此即彼的问题。

　　我认为不同驱动技术的选择，取决于你制造的机器人的大小，你想让机器人做什么，你想让它去哪里，以及其他许多因素。

　　这两种驱动器都是很好的，我喜欢同时使用。我们已经非常成功地使用了这两种驱动器来制造机器人。

　　对我来说，液压驱动器和电驱动器之间唯一明显的区别可能在于规模。制造微小的液压设备真的很有挑战性，业内很少有人做这样的事情。相反，这个行业也不倾向于制造大规模的电气设备。所以，你可能会发现，这是两种技术之间的自然划分。

　　展望

　　除了你所在的波士顿动力，最近还有什么让你感兴趣的机器人研究？

　　我真的很喜欢追踪感知、计算机视觉、地形感知方面的进展，这些领域能做的越好，我们能做的就越多。

　　对我个人来说，我喜欢的是操纵研究，特别是它提高了我们对复杂的、基于摩擦的相互作用的理解，比如滑动和推动，或者移动像绳索这样的柔性物体。我们看到了一种转变，从仅仅捏东西、拿东西、移动和放下东西，到与环境更有意义的互动。

　　我认为，对这种操纵方式的研究将释放移动操纵器的潜力，我认为这将真正打开机器人与世界互动的丰富能力。

　　你还想让人们从这个视频中获得什么吗？

　　我花了这么多时间沉浸在机器人学中，并对机器人是什么，以及它的能力和局限性有着深刻的理解。我有个强烈的愿望是，让更多的人花更多的时间与机器人在一起。

　　我们在YouTube上看到很多人对视频的意见和想法。在我看来，如果更多的人有机会思考、学习和花时间与机器人在一起，这种新的理解水平，可以帮助他们想象机器人在日常生活中新的用途。我认为这种可能性真的很令人激动，我只是希望更多的人能够踏上这段旅程。