人形機器人前沿技術與創新應用
人型機器人有百年曆史，在過程中有産生也有消失，總結來說是冰火兩重天。做機器人波士頓動立是最典型的代表，基于四十年控制經驗，基于雙足機器人更換了四代，從最早的彈簧倒立闆，到模型預控制的1.0，2.0，4.0。走到今天大家看到的是更多精彩的表演，在背後是大量背後訓練。
針對四足和雙足機器人有很多流派和方法，全世界主流包括倒立擺，彈簧倒立擺，動力學模型和模型預控制等等或者這些方法組合。
阿特拉斯所有表演都不超過15分鐘，因為動力支援不了更長時間。阿特拉斯又有個新動作出現，中間幾個月時間是在不斷快速疊代，疊代速度不快，因為目前基于動力學傳統控制，第一個問題是通過大量實體空間的疊代，速度慢，第二個問題是阿特拉斯所有動作是線性的，是通過動力學驅動的，他的每個動作都要非常精巧，是以他才能做出這麼清晰的動作，他的要求對很多部件要求非常高，我們國家造不出來阿特拉斯是因為零件不夠，減速器能力不夠，小部件技術制約，但阿特拉斯走向應用也有很長路要走。
我們得出一個結論，原來軟硬體耦合在一起的，通過非常強的動力學特性來控制的機器人走向産業和工業界很難，那怎麼解釋呢？就是現在動力學降維，降維了一個機器人很多個關節，它全身的動力學，如果這個模态的話，或者說自由度的話，幾十個上百個，但是我們經常把它抽象成一個兩個，三個，倒立闆，彈簧倒立闆，也就是說我們把動力學降維了，然後我們要把它的關節做的非常精細，相當于我們通過超強的硬體，硬體包括計算，包括驅動，包括執行，我們才能讓一個運動，這個機器人運動起來，非常精密的機器人可以在生産線上完成一個機械臂的動作，但是我們讓它又跑又跑又跳，執行很多動作，這是一個非常難的事。那麼我們怎麼來破解這個問題呢？
就兩個途徑，一個是控制降維，這個硬體超配就是目前我們正在做的，我們不斷把機器人的這個關節和執行器和它的這個控制做得越來越精巧，第二個就是把它軟體集結，換一個方式來解決這個問題。
過去十年，不管是阿斯拉斯也好，包括國内我們做四足，雙足機器人的模式，基本都是軟體工程師一直在等待，硬體工程師一直在維修，他沒有解耦，他必須把機器人運動起來以後才能做調試，是以說造成我們的這個疊代這個非常慢。第二個問題就是現在價格特别貴，現在最貴的部件是線行執行器，旋轉執行器。怎麼來降成本，這個機器人必須是幾萬塊錢的，十幾萬塊錢，幾十萬塊錢的，那我們是用傳統的産業鍊，通過制造或者通過增材制造一些新的工藝，這是一種路徑，第二個就是産業技術再造，再造一個新的産業。
關于這些問題的一些考慮，四足機器人的實踐，我們現在有13年的經驗。在這些年的過程中，我們主要做兩件事，
一個是打造核心零部件，一個是打造我們的這個控制模型，現在我們做人形機器人，現在在地方政府的支援下，我們又做了小的機器狗，通過這些年，我們打造了第一個是高爆發的大扭矩機器人關節機，還有足式機器人作業系統，我們先達到一個us級的控制。看一個機器狗好不好，要看它靈活性，這些年在四足機器人上打造了核心技術的零部件和軟體，軟體包含作業系統，背後的雲平台，算法庫。
這裡面也有一個問題，所有這些東西都是我們自己在打造的，美國在搞阿克拉斯，sports mini，很多關鍵零部件都能從亞馬遜買到，比如說木格的閥，包括霍尼面爾的傳感器，但是因為很多對我們國家是限制的，以後我們要做機器狗，機器人，我們應該從京東淘寶上能買到零部件，20大報告也提出了，我們要實施産業技術再造工程，5G産業技術再造不是沿着傳統的産業鍊的思路，通過大規模的制作降低成本，我們是要再造一個新的生态，一個新的模式通過AI驅動。我們的人形機器人就對标通用人工智能，一個通用的人形機器人這個産業鍊，不僅僅是以前的工業機器人的減速器，電機，執行器，
重點是要通過AI這個智能賦能的一個新的。傳統的工業機器人他們掌握着電機、減速器，控制器這個核心部件，到了腿足式機器人，四足為代表，就發展到了電關節，行走控和感覺頭，再往後到了人形機器人的産業鍊，它的重點是高端的晶片，超算中心，作業系統。現在正處在以電關節小總庫感覺化的子產品化時代，是以未來做人形機器人就是要以計算超算網聯進入到通用化時代，人形機器人面臨一個新的生态，新的産業鍊模式，那怎麼去破解這個難題，有很多辦法，目前要做的很重要的通過軟硬體結耦來破解這個難題。
傳統的方式疊代太慢了，大家失去了耐心，資本得不到回報，又走不到産業，是以這個模式是要是去改進它，不然走下去就非常的艱難，現在也有成功的案例，蘇黎世瑞士理工的anymore和美國digital機器人，它是把神經網絡移植到了機器人，再移植到四足或雙足，實作了軟硬體的解耦，通過神經網絡，機器學習驅動的這個機器人就進入了一個快速疊代。
是以現在就是要把神經網絡像機器人的狀态量的驅動的控制量，然後以最大獎賞，來獎勵動力學。簡單來說，我們從最早的單個的彈簧倒立擺簡單模型，後來到了模型與控制的動力性模型，現在就到了資料驅動的人工智能時代，現在把機器學習的神經網絡移植到機器人上，現在CV模型比較成熟，可以做監控，但人工智能改變我們工業，産業生态的例子并不多，是以說把到神經網絡移植到一個四足機器人上也非常困難。
具體怎麼做的，我們先用基于這個系統辨識CAD的模型建一個機器狗的模型，通過預訓練的知識蒸餾，數字空間裡訓練把它移植這個機器狗的控制器裡，然後原來的動力學模型做比對，再疊加到機器狗上做訓練，這個效果非常明顯。把神經網絡跟機器狗動力學建立連結以後，運動速度是非常快的，現在我們就是把這個技術要移植到這個下一部人形機器人開發計劃裡，下面是我們以前做的叫終身學習的，關于運動學的小腦，什麼叫終身學習呢？
就是人到一定程度，到了中年，能力就要衰敗了不會再更強壯了，機器狗能力一直在提升，把AI生成動作行為的這套大腦，賦予到它上面，就會加速人形機器研發。現在我們輸入的是語言圖像行為就讓他幹什麼，然後從大量的資料去對我們的行為，通過繼續訓練的過程中，疊代速度非常快。有了這個理論下一步要做好跟技術，這是個互相的關系，現在通用人工智能一個高階的表現就是聚生智能，能感覺，會思考，還有能行為，工智能賦能到通用人形機器人上，他們互相作用，
首先一個作用是能快速的讓人形機器人能運動起來，通過雲端背景的智能算力來訓練模型來驅動機器人，更多的是靠訓練，通過這個模式讓人形機器人快速成熟，再一個是給通用人工智能改造一個非常好的應用的前景，現在可以賦能工業。現在下一步要做的就是新一代人形機器人就是通用零機器的硬體加通用的人工智能加GPU超算中心。
未來的機器人會在強人工智能指導下，背景還有量子計算，真正的實作人機共榮，實作想象不到的人形機器人能夠我們這個工業和社會這個帶來的這個發展。跟技術在人形機器人通過傳感器，動力和執行器，在通過人工智能跟技術是巨身大模型作業系統和超算中心，是以要搞好這些機器人，這些真技術要把他們給組合起來，就像搞智能網聯汽車，現在必須要搞軟體定義汽車，軟體定義汽車就是把硬體固化，标準化，然後通過軟體不斷疊代，實作新的工作。不管是傳統勢力造車，還是網際網路企業造車，都必須走軟體定義汽車這個道路，這個汽車才有競争能力，才可能去發展。我們現在要把軟硬體解耦，同樣把人工智能技術賦能到人形機器人的軟體功能上去，是以做的軟硬體結構，再把智能化去給我們的功能賦能，那我們就相當于會走出比像我們智能網聯汽車更進階能力的這個這個未來。