登上油管熱榜，吸引50萬網(wǎng)友圍觀，波士頓動力人形機(jī)器人又放大招了——

無遠(yuǎn)程遙控（Fully Autonomous），Atlas可完全自主打工了。

只需告訴Atlas前后搬運的位置坐標(biāo)，它就能全自動分裝物件，動作be like：

而在Atlas的第一視角下，它看到的是醬紫的：

面對“刁難”（物件在底層位置），Atlas直接一個帥氣下蹲，再次成功完成任務(wù)。

更有意思的是，當(dāng)發(fā)現(xiàn)自己弄錯位置后，Atlas突然以一個鬼畜完成了瞬間糾錯。(笑死，怪突然的）

總之，在近3分鐘demo中，Atlas進(jìn)行了一系列秀肌肉操作：頭部、上半身、髖關(guān)節(jié)都能360°旋轉(zhuǎn)，可隨時轉(zhuǎn)向、倒退行走……

有網(wǎng)友驚呼，其他機(jī)器人還在學(xué)走路，Atlas已經(jīng)開始朝九晚五，甚至007式打工了！

同行（通用倉庫機(jī)器人nimble ai創(chuàng)始人）大贊：Atlas已經(jīng)遙遙領(lǐng)先了。

只有機(jī)器人專家才知道Atlas有多棒

網(wǎng)友：完全自主？你引起了我的注意

自從今年4月宣布改液壓為電驅(qū)后，這是波士頓動力人形機(jī)器人為數(shù)不多的露面。

上一次還是8月底，他們展示了Atlas能夠一口氣做俯臥撐、深蹲等熱身運動，當(dāng)時就震驚了上百萬網(wǎng)友。

而在最新demo中，Atlas又瞄準(zhǔn)了自動化控制，現(xiàn)在它能在集裝箱和移動小車間自主移動發(fā)動機(jī)蓋了。

據(jù)波士頓動力介紹，Atlas使用機(jī)器學(xué)習(xí)視覺模型來檢測和定位環(huán)境固定裝置和單個箱子，并且會使用專門的抓取策略，通過不斷估計被操縱物體的狀態(tài)來完成任務(wù)。

機(jī)器人能夠結(jié)合視覺、力和感知來檢測環(huán)境變化（如移動固定裝置）和動作故障（如未能插入蓋子、絆倒、環(huán)境碰撞）并做出反應(yīng)。

看完一系列最新表現(xiàn)，果不其然又驚倒了一片網(wǎng)友：

完全自主？現(xiàn)在你引起了我的注意

網(wǎng)友們也是紛紛cue起了特斯拉人形機(jī)器人Optimus~

前一陣，Optimus在特斯拉的發(fā)布會上同樣大秀肌肉（開場熱舞、與人交談猜丁殼、倒酒等一個不落），不過最后被多方證明存在現(xiàn)場遠(yuǎn)程操控。

后來特斯拉也發(fā)布了一個展示Optimus自主導(dǎo)航的demo：

對于這兩家人形機(jī)器人領(lǐng)域同樣炙手可熱的競爭對手，網(wǎng)友們也開始各自站臺，并最終達(dá)成了一個“共識”。

二者的差距在于量產(chǎn)。波士頓動力單兵能力強(qiáng)，而特斯拉在商業(yè)化量產(chǎn)方面更具優(yōu)勢。

背后的邏輯也很簡單，人形機(jī)器人最終還是要走向消費市場。

不過不管怎樣，Atlas展現(xiàn)的細(xì)節(jié)已十分驚艷，比如可以360°旋轉(zhuǎn)的身體、頭部。

雖然也有人吐槽這很詭異，不過大多數(shù)人表示看好：

人形機(jī)器人能夠被設(shè)計而不是進(jìn)化，意味著一旦我們弄清楚工程原理，各種變形金剛和驅(qū)魔人式的能力都可能發(fā)生。

另外，還有人疑惑為什么Atlas不搞個360°全景攝像頭，還需要轉(zhuǎn)動頭部呢？

對此，有網(wǎng)友推測最大原因還是控成本。

更高分辨率的深度相機(jī)價格昂貴（帶寬和計算），因此將超密集傳感器限制在工作空間的位置是很有意義的。

實在不行，也可以“低質(zhì)量的360°全景視覺+面向單一方向的高質(zhì)量相機(jī)/激光雷達(dá)”（網(wǎng)友支招有）。

One More Thing

在reddit網(wǎng)友一片熱議中，部分網(wǎng)友發(fā)出了靈魂拷問：

機(jī)器人完成這種任務(wù)（分裝物件）好像沒啥大意義？能不能更貼近現(xiàn)實生活。

對此，也有人對Atlas采用的技術(shù)表達(dá)擔(dān)憂：基于點和規(guī)劃器/優(yōu)化器在泛化能力上可能不如神經(jīng)網(wǎng)絡(luò)等。

且就在剛剛，英偉達(dá)新發(fā)布了HOVER，一個1.5M參數(shù)的神經(jīng)網(wǎng)絡(luò)控制器，用于人形機(jī)器人的全身運動和操作協(xié)調(diào)。

據(jù)負(fù)責(zé)英偉達(dá)具身智能實驗室（GEAR）的Jim Fan介紹：

人類在行走、保持平衡以及操縱四肢到達(dá)期望位置時，需要大量的潛意識處理。我們在HOVER中捕捉了這種“潛意識”，這是一個單一模型，學(xué)習(xí)如何協(xié)調(diào)人形機(jī)器人的電機(jī)以支持運動和操縱。

我們在NVIDIA Isaac中訓(xùn)練了HOVER，這是一個GPU驅(qū)動的仿真套件，能夠?qū)崿F(xiàn)比現(xiàn)實時間快10000倍的物理模擬速度。

為了直觀理解這個數(shù)字，機(jī)器人在虛擬“道場”中經(jīng)歷了一年的密集訓(xùn)練，但在一塊GPU卡上僅花費了大約50分鐘的真實時間。然后，神經(jīng)網(wǎng)絡(luò)無需微調(diào)即可零樣本遷移到現(xiàn)實世界。

簡單說，HOVER可以被“提示”執(zhí)行各種指令，英偉達(dá)稱之為“控制模式”。比如：

頭部和手部姿勢：可以通過XR設(shè)備如蘋果的Vision Pro捕捉

全身姿勢：通過動作捕捉或RGB相機(jī)

全身關(guān)節(jié)角度：外骨骼

根速度指令：操縱桿

概括而言，HOVER提供了一個統(tǒng)一接口，允許使用任何方便的輸入設(shè)備來控制機(jī)器人。

它簡化了收集全身遙控操作數(shù)據(jù)的方式，以便于訓(xùn)練；且作為一個上游的視覺-語言-動作模型，只要提供運動指令，HOVER就能將其轉(zhuǎn)換為高頻的低級電機(jī)信號。

對此，你怎么看？

參考鏈接：

[1]https://www.youtube.com/watch?v=F_7IPm7f1vI

[2]https://www.reddit.com/r/singularity/comments/1gfmytj/new_creepy_atlas_video_dropped/

[3]https://twitter.com/simonkalouche/status/1851632608171679817