机器人学与人工智能-机器人前沿技术与创新应用人型机器人和创新研究

人形机器人前沿技术与创新应用

人型机器人有百年历史，在过程中有产生也有消失，总结来说是冰火两重天。做机器人波士顿动立是最典型的代表，基于四十年控制经验，基于双足机器人更换了四代，从最早的弹簧倒立板，到模型预控制的1.0，2.0，4.0。走到今天大家看到的是更多精彩的表演，在背后是大量背后训练。

针对四足和双足机器人有很多流派和方法，全世界主流包括倒立摆，弹簧倒立摆，动力学模型和模型预控制等等或者这些方法组合。

阿特拉斯所有表演都不超过15分钟，因为动力支持不了更长时间。阿特拉斯又有个新动作出现，中间几个月时间是在不断快速迭代，迭代速度不快，因为目前基于动力学传统控制，第一个问题是通过大量物理空间的迭代，速度慢，第二个问题是阿特拉斯所有动作是线性的，是通过动力学驱动的，他的每个动作都要非常精巧，所以他才能做出这么清晰的动作，他的要求对很多部件要求非常高，我们国家造不出来阿特拉斯是因为零件不够，减速器能力不够，小部件技术制约，但阿特拉斯走向应用也有很长路要走。

我们得出一个结论，原来软硬件耦合在一起的，通过非常强的动力学特性来控制的机器人走向产业和工业界很难，那怎么解释呢？就是现在动力学降维，降维了一个机器人很多个关节，它全身的动力学，如果这个模态的话，或者说自由度的话，几十个上百个，但是我们经常把它抽象成一个两个，三个，倒立板，弹簧倒立板，也就是说我们把动力学降维了，然后我们要把它的关节做的非常精细，相当于我们通过超强的硬件，硬件包括计算，包括驱动，包括执行，我们才能让一个运动，这个机器人运动起来，非常精密的机器人可以在生产线上完成一个机械臂的动作，但是我们让它又跑又跑又跳，执行很多动作，这是一个非常难的事。那么我们怎么来破解这个问题呢？

就两个途径，一个是控制降维，这个硬件超配就是目前我们正在做的，我们不断把机器人的这个关节和执行器和它的这个控制做得越来越精巧，第二个就是把它软件集结，换一个方式来解决这个问题。

过去十年，不管是阿斯拉斯也好，包括国内我们做四足，双足机器人的模式，基本都是软件工程师一直在等待，硬件工程师一直在维修，他没有解耦，他必须把机器人运动起来以后才能做调试，所以说造成我们的这个迭代这个非常慢。第二个问题就是现在价格特别贵，现在最贵的部件是线行执行器，旋转执行器。怎么来降成本，这个机器人必须是几万块钱的，十几万块钱，几十万块钱的，那我们是用传统的产业链，通过制造或者通过增材制造一些新的工艺，这是一种路径，第二个就是产业技术再造，再造一个新的产业。

关于这些问题的一些考虑，四足机器人的实践，我们现在有13年的经验。在这些年的过程中，我们主要做两件事，

一个是打造核心零部件，一个是打造我们的这个控制模型，现在我们做人形机器人，现在在地方政府的支持下，我们又做了小的机器狗，通过这些年，我们打造了第一个是高爆发的大扭矩机器人关节机，还有足式机器人操作系统，我们先达到一个us级的控制。看一个机器狗好不好，要看它敏捷性，这些年在四足机器人上打造了核心技术的零部件和软件，软件包含操作系统，背后的云平台，算法库。

这里面也有一个问题，所有这些东西都是我们自己在打造的，美国在搞阿克拉斯，sports mini，很多关键零部件都能从亚马逊买到，比如说木格的阀，包括霍尼面尔的传感器，但是因为很多对我们国家是限制的，以后我们要做机器狗，机器人，我们应该从京东淘宝上能买到零部件，20大报告也提出了，我们要实施产业技术再造工程，5G产业技术再造不是沿着传统的产业链的思路，通过大规模的制作降低成本，我们是要再造一个新的生态，一个新的模式通过AI驱动。我们的人形机器人就对标通用人工智能，一个通用的人形机器人这个产业链，不仅仅是以前的工业机器人的减速器，电机，执行器，

重点是要通过AI这个智能赋能的一个新的。传统的工业机器人他们掌握着电机、减速器，控制器这个核心部件，到了腿足式机器人机器人学与人工智能，四足为代表，就发展到了电关节，行走控和感知头，再往后到了人形机器人的产业链，它的重点是高端的芯片，超算中心，操作系统。现在正处在以电关节小总库感知化的模块化时代，所以未来做人形机器人就是要以计算超算网联进入到通用化时代，人形机器人面临一个新的生态，新的产业链模式，那怎么去破解这个难题，有很多办法，当前要做的很重要的通过软硬件结耦来破解这个难题。

传统的方式迭代太慢了，大家失去了耐心，资本得不到回报，又走不到产业，所以这个模式是要是去改进它，不然走下去就非常的艰难，现在也有成功的案例，苏黎世瑞士理工的anymore和美国digital机器人，它是把神经网络移植到了机器人，再移植到四足或双足，实现了软硬件的解耦，通过神经网络，机器学习驱动的这个机器人就进入了一个快速迭代。

所以现在就是要把神经网络像机器人的状态量的驱动的控制量，然后以最大奖赏，来奖励动力学。简单来说，我们从最早的单个的弹簧倒立摆简单模型，后来到了模型与控制的动力性模型，现在就到了数据驱动的人工智能时代，现在把机器学习的神经网络移植到机器人上，现在CV模型比较成熟，可以做监控，但人工智能改变我们工业，产业生态的例子并不多，所以说把到神经网络移植到一个四足机器人上也非常困难。

具体怎么做的，我们先用基于这个系统辨识CAD的模型建一个机器狗的模型，通过预训练的知识蒸馏，数字空间里训练把它移植这个机器狗的控制器里，然后原来的动力学模型做比对，再叠加到机器狗上做训练，这个效果非常明显。把神经网络跟机器狗动力学建立链接以后，运动速度是非常快的，现在我们就是把这个技术要移植到这个下一部人形机器人开发计划里，下面是我们以前做的叫终身学习的，关于运动学的小脑，什么叫终身学习呢？

就是人到一定程度，到了中年，能力就要衰败了不会再更强壮了，机器狗能力一直在提升，把AI生成动作行为的这套大脑，赋予到它上面，就会加速人形机器研发。现在我们输入的是语言图像行为就让他干什么，然后从大量的数据去对我们的行为，通过继续训练的过程中，迭代速度非常快。有了这个理论下一步要做好跟技术，这是个相互的关系，现在通用人工智能一个高阶的表现就是聚生智能，能感知，会思考，还有能行为，工智能赋能到通用人形机器人上，他们相互作用，

首先一个作用是能快速的让人形机器人能运动起来，通过云端后台的智能算力来训练模型来驱动机器人，更多的是靠训练，通过这个模式让人形机器人快速成熟，再一个是给通用人工智能改造一个非常好的应用的前景机器人学与人工智能，现在可以赋能工业。现在下一步要做的就是新一代人形机器人就是通用零机器的硬件加通用的人工智能加GPU超算中心。

未来的机器人会在强人工智能指导下，后台还有量子计算，真正的实现人机共荣，实现想象不到的人形机器人能够我们这个工业和社会这个带来的这个发展。跟技术在人形机器人通过传感器，动力和执行器，在通过人工智能跟技术是巨身大模型操作系统和超算中心，所以要搞好这些机器人，这些真技术要把他们给组合起来，就像搞智能网联汽车，现在必须要搞软件定义汽车，软件定义汽车就是把硬件固化，标准化，然后通过软件不断迭代，实现新的工作。不管是传统势力造车，还是互联网企业造车，都必须走软件定义汽车这个道路，这个汽车才有竞争能力，才可能去发展。我们现在要把软硬件解耦，同样把人工智能技术赋能到人形机器人的软件功能上去，所以做的软硬件结构，再把智能化去给我们的功能赋能，那我们就相当于会走出比像我们智能网联汽车更高级能力的这个这个未来。