一批人形機器人在美國舊金山街頭出沒，引得過往行人駐足留觀：

可能還去上了個課，從加州大學伯克利分校校門大搖大擺走出：

路線不對，踩著小碎步，穩步調頭：

或者不裝了，調什么頭，直接倒著走：

在各種場景下都可以看到它們的身影：

于是乎，網友傳出了“機器人正在接管舊金山”的消息

要不是視頻中還有人類出鏡，網友都要懷疑這是不是真的在舊金山：

這就是來自加州大學伯克利分校的人形機器人成果。研究人員提出了使用序列建模和動作預測的Causal Transformer模型。

使得人形機器人可以在室內外各種環境中穩健行走，應對不同地形，甚至還能背個書包，提袋垃圾：

怎么做到的？

此前，盡管一些人形機器人在特定環境下表現良好，但廣泛存在泛化和適應新環境方面的問題。

來自加州大學伯克利分校的研究人員提出了運用Causal Transformer的方法。

這是一種Transformer模型，通過自回歸從觀察-動作歷史信息中預測下一個動作，也就是模型的輸出（預測的動作）只依賴于其輸入（觀察-動作歷史信息）中的先前信息。

具體來說，在處理“觀察-動作對”時，模型會將每個“觀察-動作對”作為一個token，并通過自注意力機制來學習這些token之間的關系。

在自注意力計算中，模型會為每個token分配權重，這些權重反映了在預測當前動作時，序列中其他token的重要性。

由于Causal Transformer限制了自注意力只能考慮前面的token，它能夠捕捉到序列中的因果依賴，即當前動作的決策是基于之前觀察-動作的歷史信息。

通過這種方式，Causal Transformer能夠使機器人在復雜和動態的環境中，在沒有未來信息的情況下做出適應性更強的決策。

訓練階段，研究人員使用強化學習方法，在Isaac Gym模擬器進行大規模并行訓練，模擬了機器人的剛體和接觸動力學。

為了模擬機器人的閉鏈動力學，引入了“虛擬彈簧”模型。在模擬中隨機化機器人的動態屬性、控制參數和環境物理屬性，以及添加噪聲和延遲到觀察中。

從模擬到現實的轉移方面，研究人員在機器人初創公司Agility Robotics提供的高保真度模擬器中驗證策略，該模擬器準確模擬了Digit機器人的動態和物理屬性。

經過實驗，Digit機器人能夠在多種環境中可靠行走，展現出對外部干擾的魯棒性：

以及在不同地形和載荷條件下的適應性：

△左，腳被絆住；右，下坡

順帶保持手臂擺動協調有力，不順拐：

Digit人形機器人

再來介紹一下demo中的這款人形機器人——Digit。

背后公司Agility Robotics，前身為俄勒岡州立大學的Dynamic Robotics Laboratory。2022年，獲亞馬遜投資。

Agility Robotics的主要產品是以鴕鳥等鳥類為發想的雙足步行機器人，主要研發成果包含Cassie、Digit兩個機型。

其中Cassie是只有下半身的雙足機器人：

至于Digit，像是下面這個，已經成為亞馬遜75萬機器人員工中的一員，不過還處于測試階段，負責搬運亞馬遜標志性的黃箱子：

Agility Robotics表示，將在今年向合作伙伴交付第一批Digit，Digit的初步應用包括倉庫和配送中心內的散裝材料處理，預計2025年全面上市。

他們最近還宣布開設了一家新機器人制造工廠RoboFab?，聲稱第一年預計生產數百臺機器人，之后每年產能最多可達10000臺。Digit也將在新工廠中上崗，進行搬運、裝載等工作。

參考鏈接：[1]https://twitter.com/minchoi/status/1749784839824216511[2]https://learning-humanoid-locomotion.github.io/