# 羅伯特·普萊特：波士頓動力 CEO 談人形與足式機器人 > 波士頓動力 CEO 講述人形與足式機器人如何走出實驗室，談步行控制、商業化路徑與機器人的未來。 - 原標題：#374 – Robert Playter: Boston Dynamics CEO on Humanoid and Legged Robotics - 期數：第 374 期 - 釋出日期：2023-04-28 - 嘉賓 / 主題：羅伯特·普萊特 - 網頁版：https://lex.qiaomu.ai/tw/ep/robert-playter/ - 官方頁面：https://lexfridman.com/robert-playter/ - 精讀字數：約 5399 字（閱讀約 12 分鐘） > 本文為 lex.qiaomu.ai 基於原始訪談的 AI 改寫中文精讀，非官方翻譯；引用請註明出處並連結網頁版。 2022 年，羅伯特·普萊特（Robert Playter）第一次在 Atlas 身上看到他期待多年的自然步態。從 2008 年那臺叫 Petman 的原型機算起，十四年過去了。一臺能後空翻、能跳上一米高的箱子、能在半空中調整姿態的機器人，學會像人一樣走路，花了十四年。 這個反差是理解波士頓動力的一個入口。外界記住的是那些瘋傳的短影片：機器人跳舞、開門、扔重物、後空翻。鏡頭之外，是一套從 MIT 地下室長出來、綿延三十年的做事方法。普萊特是這套方法最早的參與者之一，如今是這家公司的 CEO，管著 Atlas 和 Spot 兩條產品線。 他 1994 年在 MIT 拿的博士學位，論文寫的是機器人體操，作為研究的一部分，他給一臺雙足機器人編了世界上第一個三維空翻。這段經歷後來變成了他看機器人運動的方式，也變成了整家公司評價"動得好不好"的標準。 ## 一根彈簧單高蹺，長出了人形機器人 普萊特去 MIT 找博士位置的時候，航空系的教授讓他去 AI 實驗室地下室找一個叫馬克·雷伯特（Marc Raibert）的人。他走下去，看到雷伯特展示的機器人做了一個空翻，當場的反應就是"哇"。他自己練體操，看到機器人能這樣動，興趣和經歷一下子對上了。 這種對上的東西，是運動本身。普萊特唸的是航空宇航專業，飛行和移動一直讓他著迷。到了機器人這裡，他撞上了一個大問題：怎麼讓一臺有腿的機器保持平衡，怎麼讓它真的能到處走。 > 體操裡有一種概念，叫讓身體去做它想做的事。當你練到一定程度，你做的其實是把身體擺到一個位置，讓物理、慣性和動量順著自然的、有機的方式把你推過去。（羅伯特·普萊特） 雷伯特在地下室乾的事，就是把這個直覺變成機器。他最早的有腿運動研究專案是一根彈簧單高蹺。彈簧加質量組成一個振盪系統，有它自己的自然頻率。接下來要做的是，怎麼在這些天然物理之上疊加意圖，怎麼去控制它，同時不把它的自然性壓死。普萊特說，那種協調才是真正的潛力所在，你可以叫它美感，也可以叫協同，說法不重要。 這裡藏著一個看波士頓動力所有產品的鑰匙：**讓物理替機器解決一部分問題**。身體擺對了，慣性和動量會順水推舟，機器不需要每一步都靠計算硬扛。這種設計的副產品是效率更高，也更容易控制，因為大自然本身在幫你做穩定性。有些反饋和穩定機制，直接由身體的物理結構提供，既不寫在程式碼裡，也不在人的意識裡。 這也是為什麼普萊特說，雷伯特教給他的最重要一課是：**要有信念的勇氣，去做你覺得有意思的事，去找大問題**。當年動態行走這件事沒人解決過，看起來像一個要幹幾十年的問題。雷伯特的態度是，因為感興趣就去做，別先操心能不能賺錢。這個態度後來寫進了公司的價值觀。 雷伯特教他的第二課，是**把問題簡化到核心**。雷伯特會放動物在草原上奔跑、在山上攀爬的影片，可他自己動手時選的是一根單高蹺。把複雜問題壓縮到一個能處理的規模，先讓它平衡，因為平衡裡已經包含了最根本的難題；等問題解決了，再往外推，推到像馬一樣奔跑的形態。尋找這種化簡的原則，是波士頓動力早期研究員最核心的本事。 ## 機器人研究者是世界上最快樂的一群人之一 普萊特觀察到一個現象。他見過很多博士生，不少人在漫長的過程裡被磨得沒了脾氣。機器人研究者是例外，他們工作極苦、時間極長，可看上去很幸福。普萊特說，他見過的另一群這麼快樂的人，是經常跳傘的那批人。他不完全說得清原因，只猜和長期的掙扎之後親手讓一個東西動起來有關。 他給了一個更具體的解釋。機器人研究非常動手，你在把一個東西帶到生命裡。公司的離職率低得反常，人們來了就愛上這種追求。還有一層，機器人是在真實世界裡運動的，你的目標就是讓它在世界裡跑起來，你能對它產生認同。**這種物理層面的互動，讓人容易把自己投射進去**，這是波士頓動力這類機器人獨有的東西。 換個角度說，這和工作本身關係沒那麼大，和"做你熱愛的事"關係更大。普萊特承認，不是每個人都有幸找到這樣的東西，他覺得自己運氣好，公司也運氣好，能把生意建立在這樣一件事上，讓人一直有勁頭。 ## 走路比後空翻還難 說到具體能力，先看走路。波士頓動力早年接過陸軍的合同，對方要一臺能自然行走的機器人，給它套上防護服，放進有毒氣體環境裡測試，所以步態必須像人。他們做出了 Petman 原型，步態相當漂亮：腿先伸出去，腳跟著地，再滾到腳尖，而不是一整隻腳平平地砸下來。可即便是這樣，普萊特說，直到大概 2022 年，他才在更新一代的 Atlas 上看到他期待的那種自然步態。團隊當時在開發新的行走控制演算法，自然的動作是這套新流程的副產品，不是直接照著做出來的。 為什麼難？一個很具體的坎是"直腿"。人走路落地時腿基本伸直，而腿完全伸直就撞上了一個數學奇異點（singularity），這個方向再也不能往前動，圍繞這個關節計算力矩和位置會變得特別彆扭。控制演算法必須學會處理這種奇異構型。早期的做法是把複雜的人體壓成一個簡化模型，用數學描述得清楚，可簡化模型裡往往沒有直腿帶來的全部複雜性。最近幾年能用的技術，才把整臺機器的完整物理算進去，去應付這類別扭的姿勢。 另一個坎是**欠驅動（underactuated）**。這個詞的意思是，你不能隨心所欲地把機器人往任意方向推。它和地面的全部互動都透過腳來 mediation，而腳怎麼放、放在哪，決定了外力怎麼傳進來。沒有一隻上帝之手從天上伸下來，往你要的方向給一推。人走路本身就是欠驅動的，所以想要自然的動作，就得在這個約束裡做文章。 這裡就能看出波士頓動力和其他團隊的分野。很多早期行走機器人的思路是拼命別讓自己摔倒，每一步都在剎車，把傾倒的趨勢硬生生掐掉。真正讓腿式機器人動起來的關鍵，是**順著傾倒走**：讓它往前倒，然後用下一步接住自己。物理被允許在機器裡顯現出來，人看到的就是"像活的"、優雅、自然。 > 如果你把物理弄對了，它大機率也會更高效，長期看更穩定，能在更大範圍的條件裡穩定行走，同時也更好看、更有吸引力。（羅伯特·普萊特） 普萊特把這套東西分成了科學和藝術兩半。科學那一半是清楚的：彈簧質量系統怎麼振盪，這些原理怎麼從一條腿推到兩條腿、四條腿。藝術那一半出現在人形機器人上。人形的複雜度太高，可它有個好處，你對"它動起來應該是什麼樣"有直覺。這種直覺來自你身體裡那些說不出口的知識，你還沒掌握控制它的方法，就先靠直覺往裡走。換成別的形狀，你可能就沒有這份直覺了。他說，這有點像教練看運動員，能看出動作裡一個極小的變化，然後想辦法講給運動員聽，甚至讓運動員去"感覺"這個變化，可到底看到了什麼，往往很難用語言說清。 電影《機械姬》（Ex Machina）裡的 AI 機器人由一位芭蕾舞者扮演，普萊特提到這個例子時，說的是那種自然的優雅和流暢，看起來省力、輕鬆，最重要的是"看起來對"。早期的機器人恰好相反，動作過分小心，慢、猶豫、每一步都在防著摔倒，那種不自然一眼就能看出來，而且低效得沒必要。 ## 大塊頭的麻煩：為什麼人形比四足難得多 人形機器人好看，也難伺候。它有一副沉重的上半身，質量和慣性都大，把這些慣性甩來甩去，維持平衡的難度就上去了。手上再拎一個重物，問題還要更難一層。 對比一下四足就明白了。早期在 Leg Lab 和公司早年做的四足機器人，身體是一個大剛體，腿很輕。腿擺起來，對身體的影響很小，質量和慣性幾乎都集中在軀幹上，模型能大幅簡化。人形不行，腿又重又大，一擺腿，全身都跟著動。這種全身耦合，讓人形成了一個複雜得多的平臺。 所以最近 Atlas 的影片裡，你會看到它在搬重物、扔重物、舉槓鈴。普萊特說，這是刻意展示的：**機器人要真有用，就得能搬東西，而且得是佔自身體重相當比例的東西**。他還點了一句，這也把他們和市面上其他做人形機器人的團隊區分開了，大多數團隊還不會搬東西，更別說重的。 搬重物的難點在於預判。你去拿一個東西，手伸出去的瞬間，重心就已經開始移；一旦抓起來，整個人的質心會跟著變；如果要轉個身，慣性也得算進去；如果要把它扔出去，所有這些都得納入模型。機器人需要對重量有一個預期，然後提前一兩秒想清楚：我帶著這個大傢伙，怎麼移動還能保持平衡。普萊特說這是他們的一次大跨越，而他們搭的工具讓這件事變快了。最近那條影片裡的很多動作，幾天就做出來了；放在過去，機器上任何一個新動作都要花大約六個月。 關於抓取，有個很實用的分工。手要貼合物體的表面，這部分得細緻；可一旦東西到了手裡，真正要緊的往往只剩質量和慣性，形狀反而沒那麼關鍵。所以想扔一個包上腳手架，你只需要知道它的質心在哪，剩下的可以泛化。剛體好辦，軟的東西也能對付，比如那個裝著零散工具的袋子。更難的還沒做，比如帶鉸鏈的大傢伙、一堆鬆散的線纜或繩子。至於抱起另一臺機器人，他們只在聖誕節拍過一個小品，兩臺 Spot 抬著第三臺 Spot 去給樹掛蝴蝶結。 有人問他，Atlas 能做多重的一個彎舉？他笑著說，大概還沒人類多。他更願意用另一個指標：跳箱，也就是能跳上多高的箱子。Atlas 大概能跳上一米高，公司的 CTO 做同樣的動作時非常吃力。他們正在想下一代 Atlas，執行器會更強，某些關節、某些動作會強到人做不到的程度，那將是"人達不到的領域"。 ## 空中那兩秒：從手動調軌跡到模型預測控制 跳躍和空翻，是另一條技術曲線。最早做空翻的時候，靠的是大量手動迭代：軌跡怎麼設、用多大力甩，都得一點點試。普萊特承認，早年看到團隊做實驗，他會憑自己練後空翻的直覺給建議，比如某個技術動作該怎麼改。現在不需要了。 他們用的是模型預測控制（model predictive control，MPC）。機器人會在實時裡向前推演一兩秒，探索各種可能性：手臂再往這邊挪一點，結果會怎麼變？它同時算很多條路，解出從當前狀態到目標的最優軌跡。這帶來一個直接的好處，**起飛時就算偏了，也能在空中修正**。那條"前空翻加半轉"的動作（sick trick）就是例子，普萊特見過它以各種不同的姿態落地，機器人每次都能把自己穩住。 空中的修正受一條硬約束管著：動量。騰空時沒有外力、沒有外力矩可以施加，動量不會變。所以真正的問題變成了，怎麼在固定動量的約束裡，從 A 點挪到 B 點。這是欠驅動的極致形態，用普萊特的話說，你連無人機都算不上，無人機還能懸停，你不能，你只能準備好迎接落地。人做體操也是一個道理，每次儘量把起跳設定得一樣，可真到了空中，還是得臨場調整。機器人現在也開始會這一手了。 後空翻這件事，膽子本身就是門檻。Atlas 那麼大的身體，翻過去是件很冒險的事，訓練時摔壞過好幾臺。普萊特說，這正是他們"造它、摔它、修它"那套策略的價值。摔壞的過程會逼你找出薄弱點，然後重新設計，下次就不那麼容易壞了。反覆摔，學到的不只是怎麼把後空翻做成，還有怎麼把機器造得更好。 至於"為什麼要讓機器人翻跟頭"這種質疑，普萊特的回答借了肯尼迪那句登月演講：不是因為容易，是因為難。 ## 敢把東西摔壞，才敢往前推 普萊特把"允許摔壞"單獨拎出來講，因為它是一種心理前提。用機器人、把它弄壞、修好、再來一遍，這套迴圈讓團隊在幹活時沒有恐懼。反過來，機器太貴、又不會修，人就會像捧著瓷器一樣小心，結果什麼也推進不了。**你必須有能力把東西弄壞**，這是他們的一條基本原則。 他講了自己的一段經歷。剛讀研時，他在機械車間學過車床和銑床，能自己做零件。有一次在實驗室弄壞了一件裝置，本來以為買不到，後來意識到，造一個就行了。那種感覺是解放性的：可能要多花時間，可能比預想的費勁，但你能自己把它造出來，從此不再害怕。 把這條原則放回機器人研究的語境，就能理解為什麼這個領域的人那麼快樂。手上有工具、有車間、能自己補零件，失敗的代價就降下來了，敢試的東西自然就多。普萊特說，公司早期的與眾不同之處，就在於一群人願意把問題追到那個核心原理，然後圍繞它寫軟體、造機器。當年這並不容易，需要真懂運動動力學和反饋控制，還得在當時的計算機上寫出簡單到能在 1000 赫茲實時跑起來的控制演算法。能做這件事的團隊屈指可數。 他也提到，這個局面在變。控制機器人的方法正在快速演進，會變得越來越普及、越來越容易被更多團隊拿到。放在 2015 年 DARPA 機器人挑戰賽（DARPA Robotics Challenge）的背景下看，這話有分量。那屆比賽給人形機器人派了一堆任務：操作、行走、開車，而人機通訊被故意做得很差，訊號隨時可能整段中斷，機器人得靠近乎完全的自主把任務撐下去。那是一場對"機器人在真實約束下能幹什麼"的公開檢驗，也是波士頓動力這類團隊繞不開的一道坎。 從 MIT 地下室的一根彈簧單高蹺，到能在空中自我修正的 Atlas，中間隔著三十年和無數臺被摔壞的機器。普萊特反覆回到同一個判斷：把物理弄對，動作就會自然，而自然的動作往往也更高效、更穩。技術會更新，演算法會換代，這條判斷沒怎麼變過。 - 遇到複雜問題，先找它的"彈簧單高蹺"：把系統壓縮到一個能算清楚的最小模型，解決核心矛盾，再往外推。 - 給團隊留出摔壞東西的空間。裝置太貴、修不了，人就會縮手縮腳，創新也就停了。能自己造零件，是最便宜的心理保險。 - 設計動態系統時，順著物理走而不是硬壓它。讓慣性、動量替你分擔穩定性，往往比堆控制算力更省、更穩、更好看。 - 做需要預判的任務，提前一到兩秒把"身體加上負載"的模型算進去，別等重心偏了才反應。 - 搭工具比堆人力更划算。同一個動作從六個月縮到幾天，靠的是工具鏈，不是加班。 - 挑大問題，挑你真感興趣的那個。因為感興趣，你才願意在沒人解決過的方向上耗上十年，而且不覺得虧。