当大家都在谈论机器学习的时候，我们为什么还要强调硬件？

上一篇介绍波士顿动力（Boston Dynamics Institute, 以下简称BDI）Atlas2的文章，得到了相当多的关注（大量的评论和私信），导致有很多有趣的评论、很有水准的问题、尖锐的批评没有及时回复讨论，当然也出现了如下共性的问题需要在这里再写一篇文章，分享自己的想法也希望和大家一起讨论。

1. Atlas2的运动控制是否应用了机器学习的方法？
2. Atlas2其11月16日的视频体现了机器人什么方向的领先？
3. 当前双足人型机器人的运动性能瓶颈？硬件还是软件？
4. 我们该如何追赶或弥补在人型机器人领域与世界的差距？
5. 双足人型机器人是否真正具有市场应用场景？

 

----------Atlas2的运动控制是否应用了机器学习的方法？----------

最准确的回答是：不知道。

机器学习现在是真的火爆，最多的评论或者争论就是关于Atlas2的运动控制是否运用了学习的方法。大部分同行的判断是：BDI运用的还是传统的运动控制方法，我的观点也是这样。但是有个细节似乎能反应一些端倪，下图是BDI官网上的Job Listing，即使现在没有运用，我相信BDI在未来是会在运动控制领域尝试机器学习的方法。

 

 

很有趣的是：最近两年，学术界越来越多关于人型机器人运动控制的文章开始引入机器学习的概念，机器学习的方法是否能真正替代传统的运动控制？现在还不好判断，让我们拭目以待。

（现在看学术文章是否到底有用，还是需要擦亮眼睛，critical一些，拿实际的DEMO说话）

 

----------Atlas2其11月16日的视频体现了机器人什么方向的领先？----------

很多很多的评论都提及到了AI（Artificial Intelligence），但目前Atlas2的视频所展示的性能和AI关系不大。Google的Alpha Go是AI的顶级体现，这两块领域的不同，也是Google出售BDI的另外一个原因：理念上有所差异。

实际上，其展现的是人型机器人——卓越的机电系统（Mechatronics System）的运动性能，可以用如下这个图来概括：

 

 

我以前很喜欢用一张金字塔的图来描述Mechatronics，但金字塔会给人带来哪个领域重要，哪个领域次重要的误导，所以这次选用这张圆形图：即每个领域都很重要：

缺一不可，木桶效应。

 

----------当前双足人型机器人的运动性能瓶颈？硬件还是软件？----------

首先让我强调，我这里谈的是“双足人型机器人”的“运动性能”，而且是目前制约运动性能进一步发展的“瓶颈”。

先给大家看两段双足机器人的运动仿真视频，来自

@惺忪眼

  （同部门的PhD：辛松晏，做locomotion control，也是我来自浙大的学长）

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

 

 

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

然后麻烦大家再回来看看这个”小儿麻痹症“的Walkman:

 

这下你们知道了问题的所在了么：

硬件的发展水平匹配不上运动控制的要求，目前主要体现在大人型机器人的：

1. 传统的驱动器（电机）能量密度低，相较液压系统而言；
2. 而液压系统在同等的技术水平下，又难以做到电机那样的精确控制；
3. 纯位置控制无法胜任动态控制l的场合，大部分机器人因为力控的不成熟还在使用位置控制；
4. 人型机器人对驱动器输出力矩的要求，基本否定了直驱电机的应用，而是引入了非线性元件减速箱，导致无法直接使用电流闭环做力控。一般都需要在减速箱端和输出端之间设计弹性体，通过弹性体的形变测量输出端的力矩，而驱动器本身的震动噪声和弹性体多次形变后机械性能的改变，都会导致反馈回来的力矩数值犹如天方夜谭。
5. 待补充。

我们这样一个平均水平的研究所，PhD水准的同事做的这两个运动控制的仿真，你们可以去全世界范围内找一找，除了BDI之外，还有哪家的大人型机器人能在现实中做到？据我所知，是没有的（如果你能找到DEMO,请私信我）。

整个行业都似乎面临这样的问题：仿真猛如虎，现实烂如狗。

做控制的人也都知道，仿真中基本可以验证原理性的东西是否正确，而仿真的理想环境和实际的机器人模型还是有一段距离，因此成熟的控制都需要到实际机器人上去验证、去调整。那么问题又回来了：你需要一个性能稳定的机器人去验证、实现你的控制算法。机器人性能越好，仿真和实际差距越小，做控制的人也越省事，稍微做一些修正和补偿，基本上就八九不离十。硬件性能如果烂到一定地步，基本上就是调试个小半天，一不小心，机器人这个机电系统任何一个底层硬件出了问题，少则修理两三天，多则一到两个星期。

很多做运动控制的人就会自然而然埋怨做硬件的都是些”瓜皮“，而很有意思的是，原本做底层硬件的人又都挤破脑袋去做运动控制，恶性循环。

因此，从我两年半PhD的认知来看，当前双足人型机器人的运动性能瓶颈无疑还是硬件。

 

----------我们该如何追赶或弥补在人型机器人领域与世界的差距？----------

我们可以把目标先定在平均水准左右，比如说我目前在的实验室——意大利技术研究院。这边也是从2000 4000 年之后才开始发展的人型机器人，以下这个视频是2014年左右的水平：

 

 

Walkman 是我们实验室2014年底开发的 Whole Body Torque Control Humanoid Robotics，所谓的“全身力控人型机器人”。

驱动方案是采用SEA = Kollmorgen Motor+Harmonic Drive Gearbox+弹性体。坦白来说，当时硬件上的力控没有做好，所以后续的所有Locomotion都是在Position Control的基础上开发的。

我们很快就认识到了硬件上的缺陷，部门的第二代人型机器人Walkman Plus，迄今为止总共花了将近3年的时间，完成了驱动器相对成熟的力控方案和机器人下半身的设计制造。而看看BDI Atlas2两个版本的迭代时间：从2016年2月23日到2017年11月16日，这种硬件版本迭代真是异常迅速。之前思考是认为研究所在欧洲（意大利）的原因， 但即使是在注重效率的国内，Laikago的Leader

@王兴

 也强调了其迭代的速度，BDI的硬件迭代能力可见一斑。

我在这里拍着胸脯说：只要国家想要发展人型机器人，去脚踏实地的做事，去吸纳现在国际学术圈有价值的技术，按照国内工程人员、科研人员的水平、能力和效率，2到3年就能达到如上视频的水平。

从上一次参加IROS的经历来看，中国人型机器人的发展水平，我个人看来是不符合目前中国的综合国力水平的。领头羊自然而然是美国的一些列研究所和高校，后边有欧洲的德意瑞法英这些与日本平分秋色，俄罗斯时不时来点黑科技（俄罗斯人似乎很多文章都在他们国内自己的杂志发，不太喜欢和西方学术圈接轨），韩国这几年的人型机器人业发展也突飞猛进。

 

----------双足人型机器人是否真正具有市场应用场景？----------

这也是大家讨论争论很多的一个问题，为什么我们一定要发展仿人的双足机器人？这类机器人是否有无可替代的应用场景么？

我的答案是：目前是没有的，未来还是未知的，但并不妨碍科研领域的研究。

为什么说现在没有？因为世界上最顶尖的人型机器人公司（波士顿动力）是靠着吃军方Funding过日子的，是有着被“亲爸爸”谷歌卖给“继父"软银的经历的，我不认为，短期内会出现第二家人型机器人公司靠着市场盈利活下来。

未来到底有没有呢？未来行业发展的趋势和变化实在太快了，我初中时期如日中天、不可替代的诺基亚不是一夜间都没有了么？作为从事人型机器人研究的我，我也一直一直在思考，假设在未来，技术水平发展到一定阶段，有哪些应用的场合是人型机器人不可取代的呢？我思前想后：除了伴侣式机器人或者说性爱机器人，似乎其他的应用场合，都可以用其他更可靠，价格更低廉的方案替代。（不成熟的想法）

但是，这并不妨碍科研领域的研究。原因很简单：双足人型机器人底层的硬件要求与运动控制难度是最大的。仿生、高效的硬件设计，新一代革命性的驱动器的开发，嵌入式控制器的微型化，动态运动算法的优化与开发等等，这些个方面的技术水平如果能满足双足人型机器人的要求，那么对于其他的轮式或是四足，进行适当的技术转化，将会很容易胜任。

同时，机器人”仿人化“也是我们未来的远大目标，技术的发展不会存在断崖式的突破，需要研究机构和高校一步一个脚印去积累。

了解更多干货文章，可以关注小程序八斗问答