①
②
③
④
大臂屈肘，前臂在空中划出一个优美的“扇面”之后举过头顶，Atlas的整个身体被带动起来，脚掌蹬地，大腿力量爆发，一个后空翻，落地完美。
近日，波士顿动力发布了一段机器人后空翻的视频，记者一直在猜想体操比赛“神解说”金宝成会给这段动作干净、没有拖沓的表演估分多少。
无论分值多少，“震惊世界”是肯定的了——机器习得的人类本领又多了一个，而且还是一个大部分人不能完成的高“显示度”的身体技能，这势必会引起大部分人的注目。科技日报记者为此采访了东南大学仪器科学与工程学院院长宋爱国、德国人工智能研究中心科学总监菲利普·斯鲁萨力克，对Atlas的动作进行技术分解，梳理一下它的背后有哪些技术在支撑发力。
机器人后空翻有多难
一个后空翻动作， 最难的是哪一步?起跳、翻转、落地，还是稳住?
“要有力量”，宋爱国没有直接回答记者的问题，他说，想翻转，跳起来了，但是力量不够大，就不能给翻转足够的时间，也谈不上动态的调整，因此动力是后空翻能够完成的基础。
第三代Atlas并不是告别外接电源的第一代。资料记载，波士顿动力2016年推出的第二代Atlas就配备了内置电池驱动，不再需要外接电源获取动力。
“瞬间给力会更大，就像人要调集自己肌肉内部的ATP储能一样，翻转开始时的爆发力对电池的要求更高。”宋爱国提醒，在关注传感器、算法等人工智能研究的同时，也要关注动力等基础研发，“机器人的研制是一个全链条的工作”。
“在机器人的体内会有姿态传感器，也就是陀螺仪。”宋爱国说，通过陀螺仪，它能够知晓自己的空间方位。与生物判断自己的方位和姿态不同，“人类的平衡感知集中在小脑部位。而机器人的平衡感知是分布式的，通过陀螺仪分布在它的躯干上”。
“它一跳，腿部跟着摆动上来，然后翻转，整个身体的姿态也随之调整。”宋爱国说，“姿态传感器获取了各部位的旋转状况，将信息传递到中央处理器，进行控制决策。”
“控制的实施要快，因此对算法的有效性要求很高。”宋爱国说。决策的具体过程可分解为：将姿态转换成数据，进行计算处理，找到应对策略，传递给不同部分，控制姿态，获取平衡。可以想见后空翻的所有计算要在“慢飞行”的情形下完成，因此控制算法优化极考验功底。
“我有幸亲眼见过Atlas，很多学校都在拿这款机器人做硬件平台，然后研究控制算法。”“知乎”上一位机器人领域的研究者介绍，波士顿动力控制算法已成为院校的典型范例，被用作教材。
此外，落地的平衡控制是较难完成的环节。这一过程中，刚性接触和柔性接触分别要采用不同的模型，还要设计二者的兼容模型。宋爱国说，为了给这个大家伙输出足够的动力，也为了减少落地对它的缓冲，Atlas的腿部装了液压伺服器。“两个细长的桶状装置，装在腿部，将刚性接触转化为柔性接触。”
“目前的驱动部件，有电机、有气压、有液压，后两种能够降振减压”，宋爱国说，它们不会因为瞬间冲击力的增加而爆掉，而且输出动力也足。但是，在算法控制上，液压伺服的数学模型是非线性的，力量不会随着电压的增长而线性增长，控制的精度会低一点，宋爱国说：“机器人的脚部也会安装多维力传感器，对脚步的受力状态进行辅助控制。”
严苛“训练”为哪般
随着Atlas后空翻的走红，波士顿动力“虐待”机器人的一些老视频也被网民扒拉出来。视频中，测试人员不是对机器人猛踹，就是突然出现撞击机器人，“这不是欺负，是为了检测机器人的稳定性能”。智能一点技术人员万俊说。
“可以不必这样。”菲利普·斯鲁萨力克主要从事计算机图形学领域的研究，能够为各种应用领域的模拟、分析、可视化、训练和决策创建3D环境，他表示，对机器人的训练可以通过虚拟场景进行。
“我没有加入到这个研究团队中，不是很了解他们是如何建模和调整的”，菲利普的回答透着德国人的严谨，但是人工智能的深度学习必须要从经验中得来。
用数据替代现实，能够给机器人足够的深度学习数据。“我们已经在开展和机器人非常相似的无人驾驶汽车的训练，利用虚拟3D环境为汽车调整参数、算法和模型设计。”菲利普说。
“并不是所有的环境在现实中都能找到，例如火星环境、战争环境等。”菲利普说。机器人的研制初衷是代替人类进入严酷的环境，这也是波士顿动力公司受军方资助的原因之一。
机器人能不能在这些环境中胜任呢?“创造出真实环境和多样的场景验证，花费巨大，而且也难以实现”，菲利普说，虚拟3D环境的设计是解决之道。
这涉及到除了翻跟头之外的另一个问题——什么时候翻跟头?
“发布的这个机器人，现在只是能够完成人类给定的指令，还不能自己判断什么时候后空翻”，宋爱国说，在完成高难度动作之外，机器人还需要自己判断。
例如，一个孩子从路上突然出现，机器人能不能判断出避让或翻过去。“它们不仅要能判断大孩子、小孩子、打伞的孩子或者追球的孩子，一旦遇到‘孩子是翻着跟头过去的’这种罕见的模式，也要判断出来。”菲利普说。
分布式的、沉浸式的、协作和交互式的3D环境，将给机器人一个个虚拟世界，只有当它们通过不同场景背后一套套“模拟试卷”的考验后，才能够被评判为：智能系统安全。
我国研究正起步
关注Atlas的业内人士，也很乐于八卦波士顿动力公司的波折经历——它早期在军方拿到了巨额的研究经费，后被谷歌收购，之后又被谷歌卖给日本软银公司。支持经费是其中的重要因素之一。
“波士顿动力特别有钱”，有人在“知乎”爆料称，认识在该公司供职过的研究人员，得知波士顿动力每周都要做机器人实验，把机器人搞坏，然后发现问题并改正，“因为有钱、有经验，所以他们一周之内就能把机器人修好，下一周继续做，全年无休。”
可见，仿生机器人是个费钱又费工的研究。近年来，我国也在仿生机器人领域有了值得一提的研究。
今年4月百度主办的创新挑战赛上，南京大学、西南科技大学等联合研发的“蜘蛛侠智能救援队”亮相，能在复杂的路况中稳定行走，相互沟通协作且简单自主运动。8月召开的机器人大会上，由清华大学计算机系研发的“数据机械手臂”，在人穿上带有传感器的手套后，机械手臂会“零延迟”同步响应动作。此外，中国科学技术大学、新松机器人公司等在四足机器人足球、7自由度协作机器人等方向都有相关研究进展。
宋爱国介绍，在军方相关部门有进行四腿大狗的研究团队，山东大学有研究两腿直立行走的团队，但与波士顿动力相比，我国的机器人研制深度和水平还有较大差距。
