本文转载自雷锋网。2020年12月29日，波士顿动力公司在YouTube上发布了一段庆祝新年的视频。视频中，伴随着底特律TheContours的热播《Do You Love Me》的节奏，波士顿动力的机器狗Spot、双足机器人Atlas、两轮搬运工Handle轮番在舞台上翩翩起舞。他们的动作协调，脚步轻盈。违和感。在视频下方的描述中，波士顿动力写道，波士顿动力机器人欢聚一堂，欢度新年，希望2021年是更幸福的一年。基于艺术+工程的机器人舞蹈视频走红。作为一家全球知名的工程和机器人设计公司，此次操作吸引了全球网友的目光。截至目前，该视频已播放近2533万次。世界首富埃隆·马斯克也发推文说：这不是CGI。（这不是电脑合成的。）雷锋网注意到，对于这种流行的机器人舞蹈，IEEE（电气和电子工程师协会）旗舰刊物IEEESpectrum表示：“该视频展示了波士顿动力公司的技术实力和创造力的结合，因此令人信服的是，它很受欢迎也就不足为奇了。”IEEESpectrum认为，这样的视频严格来说算不上开创性，因为观众没有看到机器人的任何新功能，但它的“艺术成分”仍然令人印象深刻。虽然波士顿动力公司的双足机器人Atlas可以完成一些实际任务，并且精通体操、跑酷等技能，但要让机器人跳舞无疑是有难度的。为此，在如何跳舞方面，波士顿动力公司聘请了一位名叫莫妮卡托马斯的外援作为舞蹈指导。雷锋网（公众号：雷锋网）获悉，莫妮卡·托马斯在大四（2014）与两位好友共同创办了MadKingThomas舞蹈工作室，专注于自由创作，曾制作过大大小小的舞台作品世界各地的。他们的理想是点燃革命，颠覆现状，重新定义舞蹈、表演或艺术。在这种理念的影响下，波士顿动力机器人的舞蹈动作别具一格。当然，一系列舞蹈动作的背后，还有更复杂的技术原理，这自然离不开波士顿动力的工程团队。根据LinkedIn披露的信息，波士顿动力公司工程副总裁AaronSaunders在加拿大阿尔伯塔大学学习机械工程，在加拿大维多利亚大学学习机械工程，并获得硕士学位。毕业后，AaronSaunders在加拿大麦吉尔大学智能机器中心的移动机器人实验室担任研究工程师。一年后，也就是2013年，AaronSaunders进入了波士顿动力公司。从最初的硬件工程副总裁职位到后来的工程副总裁职位，AaronSaunders在波士顿动力工作了18年，已经是老手了。AaronSaunders在个人描述中也写道：领导多学科团队开发复杂的机器人系统，在地面和水下移动机器人方面有经验。专业包括系统工程、航空航天液压、复杂机构设计、机电驱动和定制力传感。“学习跳舞与机器人有多少条腿无关。”为了更深入地了解这场新年舞会，IEEESpectrum近日采访了波士顿动力公司的工程副总裁AaronSaunders。雷锋网原意不改，编译而成。下面的文字或许能让我们对波士顿动力有更深入的了解。你如何看待网友们的反应？事实证明，之前我们想象的各种网友可能的反应，都真实发生了，这绝对是我们的一大幸事。我们收到了数百封电子邮件和电话，分享他们对我们未来的想法和建议。可以说，这段视频的受众范围比想象中要广泛得多，主要是经典歌曲与前沿科技的融合。这一次，阿特拉斯展现了前所未有的动作。能介绍一下背后的原理吗？首先，我们与一名编舞者和几名舞者合作，创造了一个舞蹈套路作为基础。事实上，阿特拉斯面临的最大挑战是学习人类的舞蹈动作。为此，我们通过模拟进行大量的快速迭代，同时征求编舞者的反馈，建立数据集，确保动作在阿特拉斯力量和速度的允许范围内。在这个过程中，随着工具越来越多，我们设计新舞步所需的时间越来越少，这个过程不是手动创建脚本或编码。例如，在拍摄前一天，我们使用工具链为Atlas创建了一个芭蕾舞动作，仅用了一天时间。团队在将舞者舞蹈动作转化为阿特拉斯动作时遇到了哪些困难？芭蕾舞中有一些旋转需要大量迭代才能在Atlas上执行，其中一些我们没有太多经验，因此机器和软件都具有挑战性。我们意识到，人类舞者的灵巧和力量是不可低估的，要让机器人做出好的人类舞者的动作真的很难。从根本上说，阿特拉斯还不具备舞者的运动能力和力量。这将是我们会继续努力的一个方向——我们认为，如果我们要让机器人广泛应用于商业应用，最终进入千家万户，这样的性能是必不可少的。人类舞者可以帮助Atlas编舞，那么Spot和Handle是如何学会跳舞的呢？学习舞蹈，一方面在于我们的合作者，他们善于思考动作，通过行动表达自己；另一方面，它在于我们机器人的良好动态和平衡。其实舞者和机器人是运动学相关的，编舞会把他们统一起来，跟机器人有多少条腿没有关系。教机器人跳舞、做体操、跑酷，对机器人商业化应用有何启发？机器人在舞蹈和跑酷中获得的技能，例如敏捷性、平衡性和感知力，对于许多实际应用来说是必不可少的。更重要的是，波士顿动力公司实际上一直在努力在开发新技能和保持其趣味性之间找到平衡点。我们从许多奇怪而有趣的实验中学到了很多东西。要想拓宽边界，就必须先踏入那些未知的领域。很难看出团队为此投入了多少时间和精力，又有多少代表了机器人的真实能力。canyoutalk我从视频开始回答这个问题（当然我们所有的视频都是一样的）。对于Atlas来说，大部分的机器人控制工作都来自于我们原有的技术积累（比如通过机器人跑酷，我们发现了如何使用模型预测控制器来控制机器人的运动和平衡），让机器人表演舞步，我们一起设计与舞者和编舞。我们还升级了Atlas硬件以提高力量和速度——跳舞可能是我们尝试过的最耗电的活动。前期工作几个月，最后的视频拍摄只用了我们两天时间，主要是想着怎么移动相机拍两分钟的镜头。当然，硬件方面还是有问题的，比如机器人会掉下来，需要人工维护。虽然视频中的行为不会被产品化，也不完全可靠，但它们是可重复的。我们已经忠实地展示了波士顿动力机器人目前可以执行的行为水平，诚实是我们的重要品质。Atlas在学习执行新任务时是否使用机器学习？其实我们在技术上做了很多探索，但是Atlas目前并没有使用学习控制器，它使用的是反射控制和模型预测控制。我们认为这是机器人提高性能和做出新行为的可靠方式。未来我们还计划利用机器学习在硬件和软件的基础上进行扩展。目前Atlas主要是利用下半身发力，而跑酷则是利用上半身的力量和敏捷度。据了解，阿特拉斯已经开始尝试引体向上等动作，可以谈谈吗？动物可以用下肢做很多动作，但全身一起工作，效果当然更好。跑酷确实为我们提供了一个新的发展方向。我们不断完善和尝试新的和更复杂的行为以提高敏捷性。事实上，Atlas团队的任务之一就是尽可能增加上半身力量的频率，我对它未来的发展还是很兴奋的。您如何看待用于高动态机器人的液压和电力驱动？使用哪种驱动取决于机器人的大小、用途、工作环境等，当然最好两种技术都掌握。我认为尺寸是两者之间的天然界限——制造小型液压机极具挑战性，业内很少有人这样做。出于同样的原因，很少有人制造大型电机。最近有没有让您兴奋的机器人研究？通常，我们专注于计算机视觉、地形感知方面的进步。我们在这些领域取得的进展越多，我们能做的就越多。就我个人而言，我对操纵方面的进步很感兴趣，尤其是提高对复杂的基于摩擦的相互作用的理解的研究。目前，机器人操作正在从简单的捏、举和投掷动作转变为更有意义的交互。转向研究将进一步挖掘机器人的潜力。
