波士顿动力CEO：租台机器狗每月几万元

“我们目前没有，但我们可能会，”雷伯特说。“我们正努力把重点放在危险规避、炸弹探测等方面。我们的合同中有一些条款，规定不能给机器人配备武器。机器人不允许伤害他人或恐吓他人。他们不是士兵。军队用户可以用机器人做很多事情：获取信息，处理危险环境，等等。”

“明天”的Handle

图示：波士顿动力的Handle机器人

对雷伯特来说，“明天”意味着大约一年半后的2021年。目前的Handle人形机器人还处于原型阶段，其能够使用视觉系统来定位目标物体，并在一堆箱子中识别出所需要的箱子。

“在大约18个月的时间里，我们已经有了一个可以在仓库里工作的机器人，” 雷伯特指出，“根据运输量估算，每年大约有一万亿个纸箱被运往世界各地。这些货物被装上卡车，卸下卡车，堆放在运货板上，再装上卡车，运到零售商店，然后拆箱出售。”

大多数码放纸箱的工作并不是自动化的，这是一项繁重单调、令人不快的工作。波士顿动力看到了利用其移动操控机器人实现自动化的巨大机遇。“所以我们有了一个机器人，它的人生目标就是能够看到、捡起并放好一个纸箱。”

此前波士顿动力曾推出Pick仓储机器人，是个机械臂。而Handle似乎是移动版的Pick。“这很有趣的。我很少谈论Pick，但我们也在销售Pick机器人。它固定在一个地方，被设计成码放箱子。它们现在都使用相同的视觉系统。Pick有一个3D视觉系统，可以看到箱子，可以看到运货板。我们现在有了Handle，这样机器人就能看到箱子在环境中的位置。它可以观察环境，拿起它想要的盒子，走到其他地方，把它和其他箱子放在一起。”

图示：波士顿动力的Pick机器人

Handle即将到来，但Spot仍是焦点。当问及波士顿动力在Spot机器人上投入了多少精力时，雷伯特说大约是50%。但这将很快转移到Handle机器人上。

“我认为我们更多精力都花在了Spot机器人上，”雷伯特说。“我们在国外生产，但我们管理所有的生产过程。这是我们第一次生产数量超过五个的规模化产品。之前一切都是原型机。现在有很多过程涉及到制作1000个，所以它是一个完全不同的“野兽”。我们的计划是，在一年半之后，利用我们从生产Spot机器人中获得的人才和技能来制造Handle机器人。”

最终，波士顿动力希望制造出拥有各种感知系统、驱动系统、规划系统等的机器人。

“未来”的Atlas

图示：波士顿动力的Atlas机器人

对雷伯特来说，“未来”意味着“永恒的发展”。Atlas是“未来”机器人，因为它始终处于原型阶段。那么Atlas会发货吗？

“我不这么认为，”雷伯特承认。“说实话，Handle是Atlas的后代。因为我们曾用Atlas搬运箱子，我们说，‘那么怎样做才更有效，更便宜呢？因此你必须正视Handle，它就像类人的Atlas，但更简单，自由度更少，这意味着成本更低。我们正在开发产品化的Handle机器人。”

Atlas既昂贵又挑剔，需要一组特殊的团队保持其运行。尽管如此，Atlas的性能仍高于该公司开发的任何其他机器人。Atlas是波士顿动力的研究项目：该公司在Atlas中开发新技术，然后在某一时刻将其中的一些技术应用到自己的产品中。

雷伯特指出，“我认为这是我们的“赛车”。所有的大型汽车公司都有自己的车队。它们会让人兴奋不已。它们创造新技术，也非常昂贵，也非常挑剔。这就是Atlas。”

波士顿动力使用Atlas开发用于控制复杂行为的机器学习和优化技术，同时也开发新的硬件。事实上，波士顿动力在为Atlas开发专用硬件方面投入的工作和开发专用软件一样多。

最新款的Atlas人形机器人重75公斤，配有一个重约5公斤的液压动力装置，当机器人运动时可以产生5千瓦的动力。它还有一副3D打印腿，带有液压通道、阀门、空间框架、流形、定制轻量级组件等等。

最近，波士顿动力在尝试让Atlas表演一些基本的体操动作。雷伯特解释道，目标是为快速行为开发优化技术。

人工智能与仿真

波士顿动力如何在其机器人中使用人工智能？雷伯特喜欢将人工智能分为与其公司最为相关的两种不同类型：运动型人工智能相当于我们操纵自己的身体，比如说机器的站立、行走、攀爬、绕过障碍物等等。学术型人工智能相当于我们在头脑中如何进行规划。波士顿动力专注于前者。

“我把人工智能分成两部分。我称之为运动型人工智能和学术型人工智能。我们都是人工智能方面的专家。这意味着人类和动物在控制身体、管理体内能量使用、接收周围世界信息以及在面对障碍或对手时做出反应方面是聪明的。还有另一种人工智能，你制定计划，然后执行计划。这就是现在大部分的人工智能，都工作在更高层次的抽象世界中。你没有与现实世界进行实时交互，你只是抽象了世界。但我们主要关注运动方面。但我认为，如果你在运动部分做得很好，就可以让高级人工智能的交互变得更容易。”

换句话说，如果已经教会机器人如何站立、行走、导航，那么指导机器人完成一项任务就会容易得多。但是波士顿动力并不仅仅做运动型人工智能。

“我们正在做一些学术型人工智能的低端工作。例如在我们的仓库机器人中，我们的系统知道我们必须有一个运货板。我们需要那上面的箱子，才能进行规划安排。但这一切都是在这个控制得很好的世界里发生的。雷伯特说：“它不能解决大千世界的不确定性。”

当开发机器人的时候，避开世界复杂性的一个方法就是在计算机仿真中训练它们。这也是波士顿动力所做的。

“我们在模拟方面做了很多工作。我认为对于人工智能世界中的很多人来说，仿真作为最终学习设备已经足够好了。对于我们所做的物理实验，总是将真实机器人的物理实验和仿真结合起来。这两者是相辅相成的。”

对于波士顿动力来说，物理世界仍然要比现实世界好得多，但仿真具有节省成本的优势。

（编辑：广西网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!