# 維賈伊·庫馬爾：飛行機器人 > 探討自主飛行機器人的設計與控制，從叢集協作到災後搜救，講清技術難點與落地應用。 - 原標題：Vijay Kumar: Flying Robots - 期數：特別節目 - 釋出日期：2019-09-08 - 嘉賓 / 主題：維賈伊·庫馬爾 - 網頁版：https://lex.qiaomu.ai/tw/ep/vijay-kumar/ - 官方頁面：https://lexfridman.com/vijay-kumar/ - 精讀字數：約 9854 字（閱讀約 22 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。 維賈伊·庫馬爾（Vijay Kumar）不喜歡"drone"這個詞。 在他聽來，它自帶貶義：笨的、被預先程式設計好的、只會重複做一件小事的機器。 > "'無人機'對我來說是個貶義詞，它意味著愚蠢、預程式設計、只做一件事。而機器人恰恰不是無人機。"（維賈伊·庫馬爾） 他認可的準確說法是**空中機器人**（aerial robot），前面最好再加兩個定語：**敏捷的、自主的**。 庫馬爾是賓夕法尼亞大學教授、Penn Engineering 院長，也是 GRASP 實驗室（General Robotics, Automation, Sensing and Perception Laboratory）的前主任。這個實驗室 1979 年成立，比很多做機器人的工程師年紀都大。他最出名的工作是多機器人系統、蜂群，以及能在真實世界的不確定性裡優雅協作的微型飛行器。 ## 七千磅的六足怪物 庫馬爾參與建造的第一臺機器人，是一臺重約七千磅的六足機器。 它靠液壓驅動，18 個液壓馬達，每個馬達配一顆獨立的 Intel 8085 或 8086 處理器，另外還有第 19 顆處理器專門負責這 18 個關節之間的協調。他那批同事寫出的多處理器作業系統，按他的說法可能是歷史上最早的一批。 這些晶片的主頻大約 0.5 兆赫茲。為了讓關節之間保持同步，訊息得每秒傳遞上百次。 他的博士論文研究的是怎麼協調這 18 條腿，特別是液壓缸裡的壓力，讓整臺機器走得更省力。 多年後回頭看，他覺得這東西本來應該小得多。今天的機器人確實小得多，波士頓動力（Boston Dynamics）、從賓大分出去的 Ghost Robotics 都是例子。但在那個年代，你能用的計算基底就那樣，感測器就那樣，一切都大得沒有必要。 > "但人類的心理就是這樣，大往往意味著宏大。人們對奈米技術和奈米器件的欣賞，從來比不上對太空梭或者波音 747 的欣賞。"（維賈伊·庫馬爾） 而庫馬爾後半生的工作，幾乎都在證明小可以很美。 ## 螞蟻的民主，比我們做得好 Lex 問他，見過的最美的機器人動作是什麼。他沒挑某個具體的機器人。他講的是小飛行器在空中編隊、組成三維圖形的能力。 2011 年他們做出這件事時，還是個大新聞。八年後的今天已經很平常。在那之前他們做的是二維版本：地面機器人排列成圖案。二維好看，但在半空中懸停著擺出立體圖形，性質就不一樣了。你可以在天空中憑空造出物體，而且能現場改變它的形狀。 > "對工程師而言，美和旁觀者眼裡的美是兩回事。我說的美，是你能在半空中得到物理形狀，並且讓它變形。"（維賈伊·庫馬爾） 他最常拿來做類比的是螞蟻。 單隻螞蟻的結構可以說非常簡單，但作為個體極其強壯：六條腿斷掉一條，它照樣走，甚至可能都不知道自己少了條腿。這是個體層面的魯棒性。 更驚人的是蟻群層面的自我保全本能。洪水來了，它們會互相勾連成一張網渡過缺口；發現大塊食物，它們會招募同伴一起搬運；出去覓食時朝不同方向散開，最後還能達成共識。而它們彼此之間並不像人類這樣直接溝通。 > "某種程度上，它們比我們更懂民主。"（維賈伊·庫馬爾） Lex 順著問：看著這些生物蜂群或者機器人蜂群，你會不會把它們當成一個有生命的單一智慧體？就像把人類文明看成一個大生物？ 庫馬爾的回答很工程師。 他說，工程師要做的恰恰是超越個體元件，把一群東西當成一個整體來看，不去糾結單個零件在幹什麼。**如果你執著於建模每一個個體，數學上立刻就會爆炸。**十個個體就是十重笛卡爾積，在這個高維空間裡做設計或綜合，難到沒有意義。 正確的做法是把個體設計得足夠聰明，讓它們在高層次上被抽象成低維空間裡的東西。 落到具體設計上，就是兩件事：**讓每個個體看世界的方式儘可能區域性；讓每個個體對碰撞儘可能魯棒。**一隻螞蟻出了事，整個蟻群不能跟著崩。 庫馬爾說，工程師其實一直在做這種抽象。飛機、iPhone 都是這麼造出來的：把工程良好的元件，透過定義良好的介面連起來，行為可預測，就能搭出複雜系統。電腦科學家也一樣。 差別在於，蜂群系統除了要求個體魯棒，還要求**群體具備韌性**：能重新和鄰居建立通訊，能重新思考群體策略，能重新組織自己。難就難在這裡。 ## 自然在解題，我們在接單 那麼一群飛行機器人要組成編隊，究竟需要多少資訊？沒有中央控制器怎麼辦？ 庫馬爾分了兩條路來講。 如果你是純粹主義者，會想去複製自然。自然界群體形成的動機基本只有三個：庇護、食物、繁衍。所有互動都是有機的、區域性的，共享的資訊也大多是間接傳遞的，目的無非是維持群體的存續，或者找新的食物、新的巢穴。 但工程上的蜂群是有任務的，而且任務大多和移動有關，往往在一個全域性座標系裡描述。 "包圍這棟樓，阻止入侵者"，這句話天然就是在以建築為中心的座標系裡說的。你得告訴機器人樓在哪裡，它們得在全球範圍內協作維護一張關於這棟樓的地圖，這是**顯式構建**的資訊；自然界的做法則是隱式湧現。 > "自然極其精密，但自然要解的任務，和我們被迫處理的工程任務非常不同。"（維賈伊·庫馬爾） 還有一個現實差異：自然對個體的損失不太敏感，工程卻對損失個體很敏感，因為貴。 不過庫馬爾補了一句：機器人元件的價效比曲線正在急劇下降，而且會繼續降。**我們會漸近地逼近一個點，在那個點上課，單個個體的成本變得可以忽略不計。** 這句話的分量比他語氣裡透出來的要重。整個蜂群研究的合理性，某種程度上建立在這個前提上。如果一臺飛行器的價格長期停在幾十萬美元，那麼"允許個體犧牲"這套仿生策略在經濟上永遠只是實驗室裡的遊戲。 ## 什麼才叫真正的自主 庫馬爾把天上的自主飛行器分了幾類。 最出名的是軍用飛行器：由地面站控制，但有大量人工監督，自主性很有限，無非是從 A 點飛到 B 點。更先進一些的型號能自主起降，通常帶機翼、很重。直升機也能做到這一點，軍用領域已經有自主直升機。民航的自動駕駛儀其實是一個道理。 他甚至提出一個有意思的問題：如果把歷史上的航空安全事故翻出來看，有多少起在飛機真正自主的情況下根本不會發生？他的判斷是，相當一部分事故源於飛行員的判斷失誤，人會做蠢事。 所以即便在商業航班裡，高空巡航時能開自動駕駛，人類的角色依然存在。 但實驗室裡可以激進得多。他們想問的是：**機器人能不能不依賴任何外部基礎設施來做決策？** 今天飛機最依賴的基礎設施是 GPS。而 GPS 是一種非常脆弱的資訊來源。在城裡開車導航一下就知道，高樓一擋，訊號立刻就沒了。 第二樣是通訊，而通訊極其容易被幹擾。Wi-Fi 會掉線，手機訊號會掉線，把安全押在這上面不靠譜。 第三樣他不太願意稱之為基礎設施，但確實是：人。你可以依賴某個飛行員來操控你。 把這三樣全部拿掉呢？沒有飛行員，沒有和任何基站的通訊，沒有位置資訊，沒有先驗地圖，也沒有任何關於環境長什麼樣的知識，機器人還能不能導航？ > "那才是真正的自主。"（維賈伊·庫馬爾） ## 敏捷不是為了破百米紀錄 為什麼強調敏捷？ 因為機器人應該能進入受限環境。像全球鷹（Global Hawk）那樣飛，工作條件是極其苛刻的。但如果要進到建築內部做搜救，去找一個正在行兇的槍手；或者要在果園的樹冠下面穿行，看作物長得好不好，數果子，量樹幹，那就必須有敏捷性。農業裡的這些事，他的團隊都做過。 > "敏捷不意味著你能破百米紀錄。它真正意味著，你看到意料之外的東西，還能安全地機動，並且用最有效的方式拿到你要的資訊。"（維賈伊·庫馬爾） 順帶一提，他可能是唯一一個在 TED 演講裡用數學公式的人。策展人克里斯·安德森（Chris Anderson）明確告訴他不能放數學，他還是放了。理由很直白：這就是他的工作，他得讓觀眾嘗一口數學的味道。 ## 為什麼是四旋翼 讓一個四個電機的玩意兒飛起來，需要什麼？ 庫馬爾說，他們從 2000 年就開始嘗試。當時做不成，一部分原因是感測器和計算機的水平不夠。 2000 到 2007 年之間，很多事情同時發生了。摩爾定律是一方面，但 2007 年是個真正的轉折點：iPhone 那年，雲端計算那年，慣性測量單元（IMU）也在那幾年真正成熟。 IMU 成熟的背後有一條意想不到的鏈條。 美國聯邦政府，尤其是 DARPA，投了很多錢。但他們投錢的時候，並沒有預見到小型飛行器會因此起飛。真正把加速度計成本打下來的是別的東西：**每個汽車廠商都被要求裝安全氣囊，而安全氣囊必須在車上裝加速度計。**海量的汽車需求，把感測器的價效比一路壓了下去。 > "這就是研究的有趣之處：結果極難預測。聯邦政府花大錢做那些他們以為有用的東西，結果意外地讓小飛行器成為可能。而我當年如果去申請經費說'請資助我們開發低成本 IMU'，是永遠要不到那麼多錢的。"（維賈伊·庫馬爾） 2007、2008 年，他們終於能把這些東西做出來。 而今天，一切都是商品化的。一個高中生拿一套樹莓派（Raspberry Pi）套件，就能把底層功能搭起來，因為大部分環節已經自動化了。 但原理沒變：**把電機驅動到正確的轉速和速度，產生正確的推力，從而把機身定位和定向到你需要的位置，才能飛。** 反饋來自機載感測器，IMU 是其中重要的一環，它告訴你加速度和角速度。除此之外還需要某種區域性的位置或速度資訊。 人類走路的時候，其實一直在做這件事：我們大致知道自己的步幅，視網膜上有畫面掠過的流速，內耳裡有加速度計，大腦把這幾路資訊融合起來，判斷自己走到哪兒了。機器人必須做類似的事：一個攝像頭或別的什麼測速度的感測器，再加一個全域性參考系，如果你想在世界座標系裡做點事的話。 四旋翼的精妙之處在於，**它只有四個輸入，卻要控制六個自由度。** 第一次想會覺得彆扭：只有四個電機，怎麼橫著走？其實不難。四個槳朝上，怎麼原地繞豎直軸轉？把它們的轉速調成不一樣，就會產生反作用力矩，機身就轉起來了。 從工程角度看這是個相當最佳化的構型：簡單、巧妙、通用。 四旋翼這個構型其實有上百年曆史，很多人試過，成功的不多。庫馬爾他們最早的設計是全向飛行器：八個旋翼均勻分佈在一個球面上，理論上朝哪兒飛都行。真正的問題在於**推重比不夠**，而且沒有合適的感測器。研究旋翼飛行器的人早就知道四個旋翼能成事，只是要等到機載感知和計算都跟上，才能做出他們想要的那種敏捷機動。 那件事發生在 2007 到 2009 年，在他們自己的實驗室裡。 ## 空氣從來不聽你的話 從 A 點到 B 點，中間要先規劃軌跡。 庫馬爾說，規劃是機器人學最基礎的問題之一。十年前它還顯得很玄，今天因為自動駕駛，所有人都能理解：一輛車看到一堆東西，得保持車道，可能還要變道或右轉，它得規劃軌跡，要安全，要高效。 他們的目標是**安全且最優的平滑軌跡**。安全不能妥協，最優則可以退化。因為你有時間預算，做不到全域性最優，只能做到夠好。所謂高效，可以是儘快到達，可以是姿態儘量優雅，也可以是能耗盡量低。 然後是學習。 Lex 問，深度學習、強化學習在飛行機器人裡有沒有位置。庫馬爾先反駁了半句：**其實他們一直沒把"學習"叫成學習。** 就以穿越受限空間為例。第一次嘗試幾乎肯定會失敗。原因是，要做到完美，你得把環境裡的一切都建模清楚，而飛行的氣動效應是出了名的難建模。 他接受採訪時正在跟學生討論一件事：槳葉在低空飛行時會輕微拍動彎曲，這會改變旋翼飛行器在角方向上的加速方式。他們的模型假設槳葉是剛性的，但事實並非如此，飛得快的時候，這種效應就變得顯著。 貼近地面飛，你會被地面推開，這是每個飛行員都知道的地面效應（ground effect）。很少有人想過的是**貼近天花板時會被吸上去**。靠近牆面有壁面效應。坐火車時對面來車，車身會晃動。 這類微氣候效應，不能說完全沒法建模，而是要把模型和軟體的精度做到那個程度，工程量巨大，而且極其枯燥。 > "所以我們的做法是，隨著時間推移，學會適應這些條件。我們很早就用了一種叫迭代學習的方法：如果你想完成一個任務，總有那麼幾個引數需要反覆調整，調著調著，你就摸清了。"（維賈伊·庫馬爾） 他說，這個叫法也可以寫成策略梯度，寫成強化學習，但本質上就是迭代學習。 至於今天的自動駕駛，他觀察到學習發揮作用的地方几乎全在**感知**這一側：計算機視覺這十年進步驚人，識別、檢測、分類、打標籤，都是機器學習做的。 而在**動作**這一側，他沒見過哪個實際部署的系統，能在脫離單次示教的情況下真正學會正確行為，實驗室裡的成果不算。 這是聖盃：能不能端到端？從畫素直接到電機電流？ > "這真的非常非常難。往前走，正確的思路是讓資料驅動的方法和基於模型的方法協同，而不是互相取代。"（維賈伊·庫馬爾） ## 從 90% 到 99.9%，是一條指數曲線 談到感知的極限，庫馬爾舉了一個他自己公司的例子。 他參與創辦的 Exyn Technologies 做井下作業。礦井裡又黑又髒，螺旋槳的下洗氣流會揚起塵土。你讓計算機視覺演算法在這種地方工作試試？他們只能改用鐳射雷達。 但在室內、在田野裡飛行，他認為純靠計算機視覺有相當大的潛力。 真正的麻煩在別處：**只靠單一感測模態、只靠學習，你能把所有邊角情況（corner case）都找出來嗎？** 他的直覺是，這套邏輯遲早會飽和。 遇到一個演算法處理不了的邊角情況，你的本能是去弄點資料，把它補上。但走到某一步就走不動了。今天的視覺演算法能識別 90% 的物體，或者 90% 的時候能識別出來，分類也差不多。在網際網路上認貓，也許能到 95%。 可從 90% 到 99%，你需要多得多的資料。如果這是安全攸關的應用，99% 都不夠，你還要從 99% 到 99.9%，那就要更多的資料。 > "如果橫軸是精度，縱軸是資料量，我相信這條曲線是指數型的。"（維賈伊·庫馬爾） 即便它是線性的，都很難受。指數型的，就更別提了。 而且還有第二個維度：**這個過程極其耗電。**這裡說的電是字面意義上的電，沒有一點比喻成分。 他給了一個資料：2014 年，美國全社會用電量的 2% 來自資料中心。這是五年前的數字，但它已經足夠說明問題。 我們習慣把它當成一個資訊科學、資訊處理的問題，可它實質上是一個能源處理的問題。如果找不到更高效的路徑，這條路走不通。 ## 自動飛行和自動駕駛，誰更難 庫馬爾認為自動飛行有幾處天然優勢。 如果只是從 A 到 B，飛行有一條極其安全的軌跡：垂直升到最高高度，水平飛到目的地上空，再垂直下降。這個過程完全可以預先程式設計。 自動駕駛裡找不到這麼幹淨的等價方案。你在地面上，在一個二維曲面上運動，二維曲面上的軌跡碰到障礙的機率大得多。這一點直覺上成立，數學上也成立。 但飛行也有它的劣勢。 在三維空間裡，你不只要避免撞上東西，還要對三維世界做推理、在裡面工作。三維建模本身就比二維難得多。另一重劣勢是氣動：只要你飛，就得跟空氣動力學的種種怪脾氣打交道。 說起來，這個對比裡藏著一個反直覺的地方：飛行的自由度比地面多，需要擔心的障礙反而更少。二維平面上的機器人被壓縮在一個薄層裡，所有東西都擠在同一個平面；三維空間把交通分散開來，垂直方向的"車道"幾乎是無限的。難度跟自由度數量關係不大，起決定作用的是這個環境有沒有被結構化過。 ## 真正卡住飛行器的，是電池 庫馬爾非常看好配送。 在香港那種地方，過一條河可能要半小時，飛行器最多五分鐘。他還和一個叫 WeRobotics 的非營利組織合作，在秘魯亞馬遜地區，那裡的高速公路就是河流，從一個點到另一個點要五個小時，飛行器三十分鐘。 送藥、取回樣本做疫苗檢測，潛力巨大。 > "這個領域真正的瓶頸在經濟學，技術層面的挑戰反而沒那麼大。"（維賈伊·庫馬爾） 但有一件幾乎沒人認真想的事：**電池技術並沒有取得巨大突破。** 電池在變便宜，因為超級工廠建起來了，但底層還是鋰技術。 他點了兩個根本性的限制數：能量密度和功率密度。 功率密度之所以重要，是因為絕大多數飛行器要垂直起飛，沒有跑道。在小尺寸下，垂直起飛大約要消耗**每公斤 200 瓦**。 這個數字有多誇張？**整個人腦的功耗不到 80 瓦。** > "只是把自己抬離地面，就相當於點了兩三個燈泡。這在我看來毫無道理。"（維賈伊·庫馬爾） 功率決定你能不能飛起來，能量儲存決定你能飛多遠。兩個都是硬約束。 關於飛行汽車，他的態度是謹慎的樂觀。 很多公司都在承諾，說它們是自主的、電動的、乾淨的。他覺得**自主這塊是可行的，電動這塊存疑**。他合作的另一家公司做小型噴氣發動機，能輕鬆跑到 50 英里時速、抬起 50 公斤，效率很高，缺點就是比電動車吵。用化石燃料，飛行汽車立刻變得可行，這才是真正的挑戰所在。 他也不認為飛行汽車只能是旋翼機。垂直起飛，然後變形進入前向飛行，這裡面有很多有趣的設計空間。 至於那些瘋狂的想法，他的說法是： > "有很多聰明人在做這件事，當塞巴斯蒂安·特龍（Sebastian Thrun）這樣的人在做的時候，你永遠不要說某事不可能。我認為這是可行的。"（維賈伊·庫馬爾） ## 人類從來不是噪音 很多機器人研究者覺得，人加進系統裡就是一團亂麻，最好在做具體任務時把人排除出去，因為人太難建模，只會帶來不確定性。Lex 把這個問題拋給了庫馬爾。 他的回答很直接：**我們永遠不該設想一個沒有人的機器人系統。**機器人存在的理由，就是替人解決問題。但這個問題不存在通用解。 他把人機互動分成三種模式。 第一種，人指揮機器人。第二種，人和機器人協作，比如他的團隊研究過機器人怎麼和人類一起抬東西、搬東西，那才是真正的協作。第三種，把人當作旁觀者，自動駕駛就是這一類，問題變成車怎麼意識到人的存在。 不同的場景對應不同的模式，很難有一套通用理論。但同樣荒謬的是，把機器人當成跟人無關的東西來思考。 > "對我來說，人機互動幾乎是我們做的每一件事裡都繞不開的一環。"（維賈伊·庫馬爾） 談到自動駕駛的 L2 和 L4 之爭，庫馬爾點出了一個很實際的問題：把控制權交給機器，然後在需要的時候再接回來，這件事比聽起來難得多。他自己開過高速，知道那種感覺。特斯拉的方案有意思的地方在於，它讓人和車週期性地保持某種接觸。豐田則在推**共享自主**，或者說協作自主，這也是一種非常樸素的人機協作形式，因為任務本身足夠無聊：坐進車裡，從 A 開到 B。 他覺得更有意思的是搜救。 人類第一響應者和機器人第一響應者同時在現場，樓在燃燒，可能剛發生過爆炸，結構已經坍塌，你只有兩分鐘。**這種高度非結構化的場景，才是真正值得做的問題。** 他還提出了一個反向的問題：我們總在想機器人怎麼能估計車和環境的狀態，那如果車反過來估計人的狀態呢？ 手機早就在做類似的事，猜你在幹什麼，給你推提醒。人開車的時候，一直在估計車和環境，那如果車反過來看你在不在看路、看你的眼球、看你的方向盤動作呢？ > "我說的是一個反向的問題。那屬於人的建模，而我認為機器人在給人建模這件事上能做得非常好。"（維賈伊·庫馬爾） 他描述的框架是：一個人坐在駕駛艙裡，被一圈感測器盯著，車外還有一堆感測器在盯著他。這種雙向的注視，他覺得裡面有很大的協同空間。 Lex 把這件事命名為**一種新的心理學**，由 AI 驅動、針對人的實時建模。 ## 擔心什麼，就說出來 談到公眾對機器人的恐懼，尤其是波士頓動力那類會走路的機器，和庫馬爾手上這類會飛的機器，Lex 問他怎麼看這些恐懼，自己有沒有類似的不安。 庫馬爾承認，任何一項被寄望於產生正面影響的技術，都存在被濫用、被用在對抗性場景裡的可能，機器人也不例外。 他說得非常具體：**機器人很容易被武器化。** > "像蜂群這樣的東西，我們做出來讓它可靠地工作是極其困難的。但如果我的目標只是摧毀某個東西，而蜂群裡只要有一個能到達目的地就行，那這件事立刻就變得可行多了。"（維賈伊·庫馬爾） 這是一句值得停一下的話。 它揭示的是同一項技術在不同目標函式下的難度落差。做防禦的人要讓整個蜂群都抵達、都協同、都不出錯；做攻擊的人只需要一個成功。**冗餘在防禦裡是成本，在攻擊裡是優勢。** 美國國家科學院出過一份關於反無人系統技術的報告，他認為這確實是一個真實的威脅。而他們自己的做法是：在研究蜂群的同時，也研究怎麼對抗蜂群。知道蜂群怎麼工作，知道自主性怎麼工作，這本身就是防禦的前提。 然後是那句他最常說的話。 > "這項技術總得有人去開發。你難道不希望是好人來做嗎？好人懂了技術，才能看清這項技術正在被怎麼用、可能被怎麼用，然後想辦法防住它。"（維賈伊·庫馬爾） Lex 接著問，這就不只是政客的事了，工程師也有責任參與討論。 庫馬爾的回答不留餘地：**政客可以對技術保持無知的時代已經過去了。** 他有一個說法，技術是新的博雅教育（liberal art）。每個人都該理解技術將如何改變自己的生活，而不只是讓專家去理解。 他還補了一句半開玩笑的話：也許我們也該選幾個工程師進政府。 ## 機器人在停車場能做到 L5，但那不勒斯做不到 Lex 請他談談機器人學裡最大的開放問題。 庫馬爾把問題重新表述了一遍。 今天的機器人，還是高度針對特定任務和特定場景定製的。真正懸而未決的是：**怎麼讓它們在更寬泛的場景裡工作，而且是那種會不斷變化的非結構化環境。** 他舉了自動駕駛的例子。在停車場裡，我們今天就能做到 L5 級的完全自主。可你能在那不勒斯的街頭做到 L5 嗎？在孟買呢？ 答案是顯然的。 > "當我們談機器人時，必須談它在哪兒工作、什麼樣的環境、什麼樣的任務。而我們完全不知道該怎麼把這三件事放在一起考慮。"（維賈伊·庫馬爾） 他順帶吐槽了一句當下對 AI 的過度解讀。人們說計算機已經能在任何棋類遊戲裡打敗人類，所以我們一定對智慧有所理解。庫馬爾覺得這話不成立。 棋盤遊戲是高度結構化的。它更像亨利·福特的流水線：零件送過來，你裝配，然後再來一遍。**結構化程度最高的場景，恰恰是最容易的，而我們已經知道怎麼做。** 真正的問題是另一些場景：沒有規則、沒有邊界、沒有穩定分佈、沒人在旁邊給你標好資料。這些恰恰是機器人要面對的大部分現實。 ## 先學會忘掉你今天學的東西 給一個剛進大學、對機器人或工程感興趣的新生，庫馬爾給了三條建議。 **第一條，接受一件事：無論你哪一年畢業，等你畢業的時候，世界已經不是現在這個世界了。** 這件事做起來非常難。所以他建議把"預測未來"變成一種習慣。他看重的，是這個過程能磨利你的感知，讓你變得更聰明。 **第二條，是第一條的推論：你根本不知道將來什麼會重要。** 所以"我要專攻某個方向，好讓自己往某條路走"這種想法雖然也有道理，但同樣重要的是**保持廣度**，讓自己始終有一個可以起跳的支點。 **第三條，他認為是賓大最擅長的部分：工程教育始終放在博雅教育和社會語境裡。**作為工程師，不能丟掉這個視角。 然後他提到一件他覺得被嚴重低估的事：**數學基礎，以及表示（representation）的重要性。** 他說得很不客氣。所有問題都能靠在網上翻一個 ROS 包來解決，或者找一個現成的深度神經網路頂上，這種想法行不通。表示這件事是繞不過去的，哪怕在機器學習裡也是這樣：如果你真的想走到可解釋 AI（explainable AI），那麼你遲早需要某種人類能理解的表示。 > "所以，如果你想做機器人，你也應該學數學。"（維賈伊·庫馬爾） Lex 順著他的話打趣：那想造機器人，是不是也該讀讀陀思妥耶夫斯基？ 庫馬爾同意了。 ## 把這場對話裡的方法抽出來 這場對話裡最有價值的，未必是那些關於飛行器的結論，而是庫馬爾做判斷時用的那幾個動作。它們可以直接搬到別的領域去用。 - **檢查你依賴的基礎設施有多脆弱。**他把自主性拆成 GPS、通訊、人類操作者三層，逐層問"這個東西被拿掉會怎樣"。你在自己領域裡的三層基礎設施是什麼？哪個被拿掉之後你還有辦法工作？ - **看清同一個目標函式下的難度落差。**同一個蜂群，要求全部抵達和只要求一個抵達，難度天差地別。同一項技術在不同成功標準下值不值得做，結論會完全不同。先弄清成功標準是誰定的。 - **識別曲線的形狀，而不是糾結當前的數值。**從 90% 到 99% 再到 99.9%，他關心的是"資料量對精度"這條曲線的走向；單點的精度意義有限。當一個指標在逼近極限時，問它向前是線性還是指數。 - **把能耗當成硬約束算進去。**把一個資訊問題換算成能量問題，很多看似可行的方案會立刻現出原形。垂直起降每公斤 200 瓦，人腦總共不到 80 瓦。這種換算能力，是判斷技術可行性最省時間的工具。 - **先在受限環境做到極致，再想非結構化的世界。**停車場裡的 L5 是真的，那不勒斯的 L5 是另一個問題。別把受控環境裡的成功外推到開放環境，也別因為開放環境做不到就否定受控環境裡的進展。 - **用設計約束代替對個體的精細控制。**讓每個單元看世界的方式儘量區域性，讓它對失敗儘量魯棒，讓整體具備重新組織和重新通訊的能力。這套思路可以套到團隊管理、系統架構，甚至寫作上：你沒法控制每個細節，但你可以定義細節之間的介面。 - **別隻建模型，也建對面那個東西的模型。**庫馬爾的反向問題值得記住：你一直在建模環境，那環境能不能建模你？很多合作的失敗，原因是一方只想著被理解，另一方也只想著被理解，沒有一方向前走一步。 - **留出預測未來的習慣時間。**他建議的這件事成本極低。收穫多半不在預測的準確率上：資訊進來時，你能更快地把它接到已有的框架上。