![头图来源|视觉中国](https://n.sinaimg.cn/finance/crawl/110/w550h360/20240629/d8d6-f7738128c6580ddaa729e589da67f80a.jpg)
机器人不需要追求完美,“缺陷”可能是件好事。
编译|董斌
来源|Lex Fridman(YouTube)
根据摩根士丹利6月24日最新发布研究报告,美国约75%的职业和40%的雇员具有被人形机器人替代的风险。报告显示,在20年内,每替代一名人类工人可节省约50万至100万美元以上。特斯拉在其Optimus Gen 2人形机器人项目上取得了显著进展,OpenAI也于近日重启了4年前解散的机器人团队。
而提到机器人,就不得不提到美国的机器人制造公司波士顿动力。近日,波士顿动力公司创始人Marc Raibert(马克·雷伯特)接受访谈,分享了他对机器人技术未来愿景的深刻见解。
从大狗(Big Dog)的稳健步伐,到阿特拉斯(Atlas)的惊人跳跃,再到Spot机器狗的灵活行动,波士顿动力的每一项创新都让世界为之震撼。在这次访谈中,Marc Raibert向我们展示了他的机器人世界。他将带我们回顾那些令人难忘的创造时刻,分享他对机器人形态与功能性的独到见解,以及他在机器人技术发展过程中的心得体会。
对话的精彩观点如下:
1.与他们相比,我更像是一个梦想家,工程师们才是真正让梦想落地的人。
2. 当机器人开始运动时,你会觉得它是有生命的,而形态的美感对机器人的仿生动作有加成效果。
3. 机器人不需要追求完美,特别是在人与机器人的互动过程中,“缺陷”可能是件好事,擅长笨拙地处理物体可能比完美地建模和移动更值得优化。
4. 技术在理论上非常吸引人,但并不一定能在市场上取得成功。
5. 当投入大量心血制造出机器人,但它并没有按照预期运行时,必须有勇气去直面失败。
6. 我们展示的并不是某一次偶然的成功,而是经过不断改进后的稳定表现。
7. 科学家主要描述和研究已经存在的事物,而工程师则能创造出前所未有的东西。
8. 我绝不会低估马斯克的任何一项能力。但就目前的Optimus而言,我认为它还未达到Atlas的水平。
9.通过视频或其他方式与公众互动,创造一种文化氛围,让人们意识到他们需要这个产品。
以下为访谈全文,有删改:
![](https://n.sinaimg.cn/finance/crawl/32/w550h282/20240629/bda9-c4eea9d9ffeb6e9cea1f60bcbd46f0bf.png)
我是个梦想家,我的工程师们才是让梦想落地的人
主持人:Marc Raibert是一位传奇的机器人专家,也是波士顿动力公司的创始人和首席执行官。40多年来,他一直领导着公司不断创造奇迹。你第一次接触机器人是什么时候?
Marc Raibert:在我很小的时候就开始接触机械类的东西。我父亲原本想成为一个工程师,但他母亲非常传统,认为那样会像个修理工,所以不允许我父亲追求这个梦想。即便如此,家里的地下室也总是堆满了各种工具和电子产品,因此我喜欢上了制作一些小东西。
在我研究生时期,曾跟随一位教授到他的实验室,桌子上放着一个被拆成上千个零件的机器人手臂,正是那个机器手臂激发了我对机器人的兴趣。
主持人:你说你喜欢创造。在你创造的那些东西里,有哪些是让你印象深刻的?
Marc Raibert:在我孩童时期,我就开始做些小发明了,例如荧光灯里的小铝筒。我会把它拆开,装上火柴头和引线,将它做成小火箭。
主持人:你曾在麻省理工学院创建了传奇的实验室Leg Lab,能讲讲你们最早在实验室中制造的跳跃机器人吗?
Marc Raibert:Leg Lab始于卡内基梅隆大学。最早的跳跃机器人就是在那里制造出来的的。在加入卡内基梅隆大学之前,我在喷气推进实验室工作过3年。在那里我认识了被称为计算机图形学之父的Ivan Edward Sutherland(伊万·萨瑟兰)。
有一次,他鼓励我去加州理工学院做项目,在给出项目列表的时候,我故意把第一个和第三个项目写的很无聊,而在中间提出了跳跃机器人构想。Ivan认为这个项目非常有价值,给了我大约3000美元的启动资金用于建造跳跃机器人。
当第一款跳跃机器人制造成功之后,Ivan带着我去美国国防高级研究计划局碰运气,我们在那里遇到了时任项目经理的Craig Fields。当他看到我的模型后决定资助我25万美元用来支持后续的研究。在那个年代,25万美元是一笔很大的经费。
紧接着我意识到继续研究需要更先进的技术支持,于是我决定组建起属于自己的专业团队。在接下来的几年里,我和团队共同研发了众多方程式和算法。
主持人:找到和你拥有同样疯狂想法的人是一种什么样的感觉?
Marc Raibert:对我来说,最明智的决策就是寻找到了这些出色的伙伴。如今,当我审视波士顿动力公司及那些真正杰出的工程师们,我认为,正是他们在幕后默默付出,才让一切成为可能。与他们相比,我更像是一个梦想家,而他们才是真正让梦想落地的人。
![](https://n.sinaimg.cn/finance/crawl/60/w550h310/20240629/eb42-e4931424c382074e7255b48bda666bee.png)
![](https://n.sinaimg.cn/finance/crawl/32/w550h282/20240629/0aa7-aa13ed2acc6af0c27b69ecdda75a4003.png)
在设计机器人时,不必过分追求完美
主持人:你认为形态和功能性哪个更重要?
Marc Raibert:起初,我认为功能就是一切,能力、灵巧、感知和智力才是机器人的关键功能,其他的都不重要。甚至在最初设计时故意不考虑结构本身的美感,但我发现,当机器人开始运动时,你会觉得它是有生命的,形态的美感对机器人的仿生动作有加成效果。
![](https://n.sinaimg.cn/finance/crawl/60/w550h310/20240629/8230-c9f406af68a42979b6782bb77dce3030.png)
机器人不需要追求完美,特别是在人与机器人互动中,缺陷可能是件好事,擅长笨拙地处理物体可能比完美地建模和移动更值得优化。所以更应该优化机器人本身的功能,而不是在拟人化方面追求完美。
卡内基梅隆大学机器人研究所的主任Matt Mason曾分析过一段朱莉娅·查尔德烹饪的视频,在处理食材时,她用了40种不同的动作,但没有一种是抓握。因此,在现实世界中完美并不存在。
主持人:你有没有对机器人产生过怀疑?
Marc Raibert:一开始我并不热衷于人形机器人,觉得功能性更重要。Spot就是如此,我经常带着Spot(波士顿动力公司研制的机器狗)去各地演讲,它非常受欢迎,人们想要和它合影,抚摸它甚至给它穿衣服。
主持人:波士顿动力公司一直专注于机器人研究吗?
Marc Raibert:当然不,我们有一款产品是手术模拟器,它具备了力反馈功能。在这款产品的研发过程中运用了机器人的相关技术:当你低头操作模拟器时,手中的手术工具与力反馈设备相连,就仿佛是在俯视一个真实的手术场景。
我们的初衷是打造一款能够教导外科医生进行手术操作的教练系统。为此,在研发过程中,我们采访了许多外科医生,解他们在手术中的注意事项和操作规则,比如避免撕裂组织,只在必要的部位进行操作等。同时我们建立了一套评分系统并为使用者记录分数,并公布了他们的成绩。外科医生们都非常有竞争意识,会反复尝试以提高自己的分数。
那是90年代末,我们运用了三维计算机图形技术,模拟了一种叫做吻合术的外科手术,这种手术主要是将管状物如血管等缝合在一起。通过这款模拟器,你可以真切地感受到组织的移动,感受手术中每一处细节。
然而,在推广过程中,我们原本以为外科医生们会愿意付费接受这种培训,但实际他们认为我们应该付费给他们,因为他们可以提供宝贵的教学经验。因此,我们并没有从外科医生那里获得任何收入。于是,我们考虑将产品卖给医院,由医院来培训外科医生。但当时我们公司规模很小,根本没有足够的资源去进行大规模的营销活动,完全依靠自力更生。
最终我们决定放弃这个项目。但这个决定对公司来说还是一个重要的里程碑,因为它让我们更加明确了定位和方向。我们意识到,尽管技术在理论上非常吸引人,但并不一定能在市场上取得成功。这让我们更加专注于开发真正有市场需求的产品。
![](https://n.sinaimg.cn/finance/crawl/32/w550h282/20240629/5488-8e15e54f6e29854e3bd9024f557b993b.png)
波士顿动力的创新足迹
主持人:波士顿动力公司的下一个里程碑是什么?
Marc Raibert:Big Dog(大狗,波士顿动力研究的四足机器人)无疑是我们公司的成名之作,也是让我们团队更加紧密合作的契机。随着项目的推进,公司也逐渐壮大。大狗这个项目的起源来自于美国的一个生物力学项目。
当时,该项目发布了征求建议书,总共有42份提案提交,但最终只有三个项目获得资助。大狗就是其中之一,另一个则是攀爬机器人Rise。这两个项目都进展得非常顺利。后来,我们还聘请了麦吉尔大学的教授Martin Buehler,他在将大狗应用到实际环境中发挥了重要的作用。这是我们公司的一种重要模式,就是敢于走出实验室,进行实地构建、测试和修复。
主持人:你们的机器人最令人印象深刻的一点就是它们运动的美丽与自然。无论是走路、跑步,甚至是翻滚和跳跃,都显得如此自然流畅。这种自然运动是如何实现的?
Marc Raibert:拥有优秀的硬件是关键。我们在早期的研究中采用了一种动态的方法,思考物体下一步运动的演变。在给出指令时,我们会预测物体的运动轨迹,而不是仅仅基于当前状态进行调整。
如果机器人要完成像翻跟斗这样的动作并沉稳着陆,就必须在起跳时获得正确的动力和旋转。我和Ron Robson一起制造了一个双腿机器人。那个机器人连续翻了三个跟斗。为了获得足够的旋转速度,机器人需要模仿抱膝动作,也需要收腿来加速旋转。Ron在稳定更复杂的动作方面做了非常深入的研究。
值得一提的是,他曾是一名体操运动员,还获得过体操冠军。因此他具备出色的体能和工程技能,这使得他能够将一些体操动作转化为数学模型和算法,从而实现这些复杂的机器人动作。
主持人:他了解人类的运动方式,只需要将这些知识应用到机器人上。
Marc Raibert:是的,机器人也要做同样的事情。不幸的是,有时人类也并不完全清楚自己是如何完成某些动作的,虽然我们经过了训练,有学习的方法,但我们真的理解其中的物理原理和方式吗?运动员们可能也不完全清楚。
![](https://n.sinaimg.cn/finance/crawl/60/w550h310/20240629/2a53-3ad3b3f41e0970825adc46a978151aee.png)
机器人的运动方式仍然不能完全像人一样自然和优雅,尽管它已经在逐渐接近。像人类一样走路对它来说仍然是一个挑战。我们公司有一句话是,在机器人领域,你必须先学会跑,然后才能学会走路。
主持人:你们有一驾四足机器人速度达到了每小时19英里,它是世界上最快的四足机器人吗?
Marc Raibert:也许吧。不过,它可能也是噪音最大的,因为我们在上面装了个小型赛车引擎,为此我们还收到了几个街区外的噪音投诉。
主持人:你现在领导着新成立的波士顿动力AI研究所,你能介绍一下吗?
Marc Raibert:我将智能划分为两个部分:一个是运动智能,另一个是认知智能。波士顿动力已经为运动智能领域树立了标杆。然而人类和动物还具备另一种智能。那就是人类能够制定计划。例如会议9点开始,从家到会议室大约需要20分钟,所以我决定8点40分离开家,这是个简单的决策过程。而大多数机器人在认知智能方面都显得相当笨拙,需要大量的技术人员进行长时间的编程来完成各项任务。
![](https://n.sinaimg.cn/finance/crawl/60/w550h310/20240629/c707-a3167a4e706a90ff3ce6f2fc30c0e9fc.png)
如果机器人要实现我们的期望,需要变得更加聪明。因此,AI研究所的设计理念是将运动智能与认知智能相结合。例如,我们正在尝试制造能够观察人类完成任务的机器人,理解它所观察到的一切,并自主完成任务。
![](https://n.sinaimg.cn/finance/crawl/32/w550h282/20240629/8396-94ba5d1209fd6cfa8d3a123b2ac958b4.png)
有难度的测试才更能体现机器人的智力水平
主持人:何为运动智能?
Marc Raibert:人类使用双手与身体各部分进行协调互动。比如旋转物体等动作,我们不看也能完成,也可以从口袋里拿出东西,并迅速识别它们。这些看似简单的动作背后都蕴含着复杂的运动智能。
主持人:在运动智能领域,还存在哪些重大的未解问题?
Marc Raibert:最大的挑战可能还在于机器人的认知能力。
主持人:在研究过程中,你如何平衡大胆创新和稳步发展?
Marc Raibert:我们采用“循序渐进”的策略,通过一系列的小步骤逐步推进研究:进行某项操作时,如拿起物品、放置到特定位置,再叠放另一个物品。为了理解这些动作,我们将它们逐一分解并分析。目前,我们正专注于这个问题的前端研究:观察并记录视频或实时内容,将其转化为对发生事件的描述,并尝试将这些描述与完成动作所需的技能相对应。在多个维度上,我们都正在取得逐步的进展。
主持人:如果仅仅是通过观看视频,机器人能否学习和模仿这些动作呢?
Marc Raibert:我认为这是可行的。以导航为例,传统的导航方式依赖于传感器来识别障碍物和可行走区域,建立地图,并规划路径。在实际生活中当我们给人分配任务时,比如调整椅子的位置,并不需要详细描述房间的每一个细节。人们能够自然地在某个环境中完成任务。
我们正在努力追求将这种自然的理解环境的能力应用到机器人中,使它们能够在没有详细模型的情况下,通过观察和学习来完成任务。
主持人:机器学习在这些过程中扮演了怎样的角色?
Marc Raibert:自ChatGPT问世以来已经过去一年了。人们对此展现出了极大的兴趣和乐观态度。我认为机器学习领域仍有巨大的潜力等待我们发现。
主持人:你在波士顿动力公司、麻省理工学院(MIT)和卡内基梅隆大学(CMU)都打造过非常出色的团队,现在在AI研究所也是如此。你曾经提出一个出色的团队需要具备四个要素:技术上的无畏、勤奋、勇敢以及在技术中寻找乐趣。尤其是“技术上的无畏”,你如何理解?
Marc Raibert:技术上的无畏,是指勇于接受尚未找到解决方案的问题。
主持人:为什么勤奋在团队中很重要?
Marc Raibert:想要开发真正实用的机器人,机器人的智能部分就不能是过于狭窄的,否则一旦任务或环境发生变化,机器人就会立刻失效。那么,如何找到解决方案的广泛适用性呢?我认为关键在于持续努力,直到你对解决更大范围的问题感到满意。这就是我所强调的稳健性。
或许有人看过我们的视频,视频中展示了工程师如何给机器人设置难题。比如,当Spot机器人尝试打开门时,有人会故意推门干扰它;或者当机器人导航时,有人会拉扯连接到它身上的绳子。我们还有一个视频展示了机器人在爬楼梯时,工程师通过拉扯绳子让它滑下楼梯,这与机器人简单地识别楼梯、建立模型、然后小心翼翼地把脚放在每一级台阶上是完全不同的。这种测试能够展现机器人技术的真正实力。为了有更稳健的解决方案,需要有更广泛的视野和更深入的思考。
![](https://n.sinaimg.cn/finance/crawl/60/w550h310/20240629/9fb6-29b0842b036bff6c4d5a4fbbebf64f31.png)
主持人:所以需要在各种条件下测试系统,并以多种方式对其进行干扰?
Marc Raibert:如果仅仅展示机器人正常运行的视频,观众可能并不会觉得有多惊艳。但当机器人在运行过程中意外摔倒,人们会清晰地看到它摔倒和重新站立的速度,就会更加欣赏稳定运行状态下的出色表现。
主持人:正是通过对比失败与成功,我们才能更加深刻地欣赏到成功的来之不易。
Marc Raibert:直到大约三四年前,我一直是公司大部分视频的最终编辑者。我视频制作的理念是:无需过多解释。如果观众无法理解视频内容,那说明视频本身做得还不够好。不要用一堆标题或其他繁琐的元素来拖慢节奏。只需做出值得展示的东西,并简洁地呈现出来。
在Big Dog视频中,有人曾批评我们展示了人类操控机器人的部分。我理解这种批评,因为当时我们主要想展示的是机器人如何用腿爬坡的能力,我认为这是视频的重点。然而观众更关注的是机器人的自主能力。因此,我们根据观众的反馈做了很多调整,以呈现最纯粹的机器人技术。
主持人:我很期待看到系统在受到干扰时的反应,还有它的稳健性和恢复力等特质。另外,机器人随着音乐跳舞,这种大胆的尝试也很有趣。
Marc Raibert:说到大胆,我认为勇气也是关键的因素。机器人技术的研发难度极高,成功并不是一蹴而就的。所以我会分享一些视频,展示在研发过程中遭遇的一系列失败。当投入大量心血制造出机器人,但它并没有按照预期运行时,必须有勇气去直面失败。
![](https://n.sinaimg.cn/finance/crawl/32/w550h282/20240629/08c9-8e5636ebc222c3fb80319dbd83eece97.png)
波士顿动力分享的是不断改进后的稳定表现
主持人:你能否分享一下Spot和Atlas背后的研发故事?
Marc Raibert:为了让Atlas爬上三个大台阶,我们进行了100多次尝试,每一次都有视频记录。虽然失败了这么多次,但一旦成功,其表现就会非常稳定。所以我们展示的并不是某一次偶然的成功,而是经过不断改进后的稳定表现。
每一次的失败都为我们提供了宝贵的经验。有些是由于意外所导致,比如在起点处机器人就摔倒了,与台阶无关;或者是感知系统出现故障,导致跳跃时偏离了目标;甚至有时某些部件会损坏,这些都是研发中的有趣经历。
我清楚的记得,整个研发过程耗时6周,我们不断地对机器人进行编程和调整,这就是机器人的学习过程,但人工的参与和辅助不可或缺。
主持人:在研发过程中,如何确保Atlas不受到损坏?
Marc Raibert:Atlas的成功大程度上归功于我们的工程师们将机器人设计得足够坚固,它能够在跌倒和其他测试中承受冲击。
有时,我会批评那些把精美设备供在架子上不敢使用的人,以那种方式工作无法取得任何进展。我们需要做好设备可能损坏的准备,并能够及时修理。在制定预算时,就需要考虑到备用零件和专业的维修团队等成本。
![](https://n.sinaimg.cn/finance/crawl/60/w550h310/20240629/82ab-d7fd171248ff11625b0e5be1fa220da8.png)
于我而言,我总能从技术中找到乐趣,像个工匠一样,用自己的双手或者擅长的工具亲手完成一项工作是非常有成就感的。这能够为工程师们带来极大的成就感。
主持人:工程对你而言意味着什么?
Marc Raibert:对我来说,工程既包含了科学的严谨,又有像艺术的创新性。科学家主要描述和研究已经存在的事物,而工程师则能创造出前所未有的东西,工程学承载着更高的使命。尽管在公众眼中,科学往往被视为至高无上,工程学次之,但我的看法恰恰相反。
我认为,让机器人以一种能引发人们对生命联想的方式移动是非常重要的。如果机器人的动作高效,那么它就能比其他机器人更快、更强地完成任务。虽然我们通常不会追求比人类更强、更快。
人类可以用智慧创造系统,在静物或任何无生命的物体中,特别是当它在人类可以直接感知和欣赏的层面上。
主持人:我逐渐意识到,人类之间的交流不仅依赖语言,还包括丰富的肢体语言和诸多复杂细节。
Marc Raibert:我们曾接到邀请,让机器人与著名舞者同台演出。舞者的头部、颈部、肩部等每一个细微动作都包含无数变化,而机器人通常没有这样的灵活度。要想在舞者旁边表演而不显得笨拙,难度确实很大。因此,我们基本上避免了这种类型的表演。
![](https://n.sinaimg.cn/finance/crawl/32/w550h282/20240629/cb1d-151063dc4fbac15c177ad522361f12e2.png)
我不会低估马斯克的任何一项能力
主持人:你是如何吸引优秀工程师的?
Marc Raibert:要吸引人才,首先需要创造一个让他们愿意投身其中的工作环境:一个优秀的工程环境会吸引工程师们前来,而优秀的工程师们又会进一步提升这个环境。在波士顿动力公司,我们花了很长时间维护这样的环境。
另外,我认为需要找到那些真正热爱机器人技术的人。在公司早期由于薪资水平相对较低,我们吸引的都是那些对这项工作充满热情的人。其中包括一些没有专业学位但技艺高超的工匠,比如那些制造自行车和皮划艇的能手,还有一些来自创客社区的人才,他们对公司来说来说非常重要。
主持人:你一直对埃隆·马斯克和特斯拉在Optimus机器人方面的进展赞赏有加,这是一款类人机器人。你如何看待他们的类人机器人?
Marc Raibert:我非常钦佩埃隆·马斯克作为技术专家的能力和成就。他在特斯拉的所作所为简直让人叹为观止。他将一个原本小众、鲜有人关注的领域,发展成了现在几乎所有汽车制造商都竞相效仿的热门行业。再来看看SpaceX,他在某些方面甚至已经超越了NASA,虽然这样说可能有点夸张。
我绝不会低估马斯克的任何一项能力。但就目前的Optimus而言,我认为它还未达到Atlas的水平。
![](https://n.sinaimg.cn/finance/crawl/60/w550h310/20240629/c14c-b1196cd0d8b4d9184c8a3ce489a3f6bb.png)
主持人:关于类人机器人领域的竞争,您有何看法?您是否更倾向于友好的互动交流?
Marc Raibert:我并不是太在意竞争。因为我并非商人出身。在波士顿动力公司的多年里,我们从未过多考虑竞争,只是专注于自身的发展。然而,即使在没有竞争的情况下,也只是作为机器人供应商的角色。例如,在小狗项目中,我们仅负责制造机器人,并未参与其他开发环节。在DARPA机器人挑战赛中,我们也是以提供机器人的身份参与,并未直接参与竞争。
如今,我们在AI领域致力于认知方面的研究,我感觉竞争更为激烈。计算硬件、团队技能以及人才招聘方面的入门要求都更高了,这是个更具挑战性的领域。目前,有10家或12家类人机器人公司,可能还有些我不了解的,他们之间肯定存在竞争且也将持续存在。
主持人:仓库自动化是目前机器人领域中唯一能实现盈利的应用场景吗?
Marc Raibert:确实如此。但我坚信,社交机器人将开始实现真正的盈利,如家用型的、类似波士顿动力公司Spot那样的机器人。未来,机器人将会大量进入我们的家庭。
有时候你有一个好的产品,但人们可能并不知道它。因此,部分工作得通过视频或其他方式与公众互动,创造一种文化氛围,让人们意识到他们需要该产品。
你可能不希望一个装有摄像头的机器人在你家里自由移动,但如果它被恰当地呈现,并且有明确的界限让你了解它的工作原理,很多人会愿意使用它。毕竟,我们现在都在使用智能手机,而智能手机上也装有摄像头在“监视”我们。
主持人:你不觉得人工智能是威胁吗?
Marc Raibert:我个人并不这么认为。
主持人:有人认为,这些系统未来可能会比人类聪明10倍、100倍,甚至1000倍,并且它们的道德和伦理准则可能与人类不同。因此,它们可能会以我们无法预测的方式失控,对人类造成伤害。
Marc Raibert:这有点像《奥本海默》电影中的一句台词:他们在第一次引发核反应时,担心地球上的所有物质都会消失。
虽然这种可能性存在,但我个人认为不必过于担心。我看到了一个充满机会的领域,风险也伴随其中,我们需要在两者之间找到平衡。以汽车为例,它们造成了环境污染并每年导致大约125万人死亡,尽管如此,汽车对人类来说仍然非常有用。而这些技术和污染问题是可以逐步解决的。
![](https://n.sinaimg.cn/finance/cece9e13/20240627/655959900_20240627.png)
责任编辑:刘明亮 七色光华(北京)教育科技股份有限公司