既能上春晚扭秧歌，又能模仿科比的后仰跳投、復(fù)現(xiàn) C 羅的騰空半轉(zhuǎn)身。

　　前陣子，宇樹科技的人形機器人，可謂是出盡了風(fēng)頭。

　　結(jié)果這還沒幾天，他們家的機器人就又雙叒進化了。

　　梅花樁挑戰(zhàn)，沒有一步踩空，走得穩(wěn)穩(wěn)當(dāng)當(dāng)。

　　不光能正著走，倒著走也如履平地，這換個真人來都不一定能做到好吧。。。

　　平衡木雖說走出了一種喝醉的感覺，但好歹也沒摔。

　　還有更酷炫的，舞一曲哪吒的《 天雷滾滾我好怕怕 》

　　指望以后機器人給養(yǎng)老的，看看 G1 現(xiàn)在也開始學(xué)推輪椅了。

　　夸張點，要是 G1 按照這一月好幾次進化的速度，或許明年就能進咱家當(dāng)保姆了。

　　不過說起來，這些新技能，其實并不是宇樹的員工親手調(diào)教出來的。

　　像前面挑戰(zhàn)梅花樁的 G1 ，就是上海 AI 實驗室聯(lián)合了國內(nèi)好幾所*大學(xué)，一起研究出來的成果。而那個蹭了哪吒熱度的 G1 ，也是出自上海 AI 實驗室等機構(gòu)之手。

　　所以世超這次也研究了一波兩篇論文，發(fā)現(xiàn)這倆研究一個能讓人形機器人挑戰(zhàn)高難度地形，另外一個，則是把遠程控制機器人的成本打了下來。

　　可以說這倆研究成果，為現(xiàn)階段人形機器人在運動控制、數(shù)據(jù)采集還有成本上的難題，都提供了更新的解題思路。

　　咱先來看*篇論文，《 BeamDojo : Learning Agile Humanoid Locomotion on Sparse Footholds 》( BeamDojo ：在稀疏立足點上學(xué)習(xí)敏捷類人運動)。

　　里面有倆地方還挺值得一嘮。

　　以前復(fù)雜地形的實驗，多是針對四足機器人的，那腳的形狀跟人形的壓根不一樣。即使有針對人形機器人的訓(xùn)練，效率也不高，但 BeamDojo 劃重點就是“ 人形機器人 ”“ 復(fù)雜地形 ”“ 高效 ”。

　　另外一點，就是零樣本泛化這種舉一反三的能力。

　　所以 BeamDojo 強化學(xué)習(xí)框架，設(shè)計了一種專門針對人形機器人的訓(xùn)練方法，讓機器人能在平衡木這些復(fù)雜地形上，走得又快又穩(wěn)。

　　就比如訓(xùn)練過程中，研究人員引入了一個落腳點獎勵機制。

　　可以結(jié)合地形數(shù)據(jù)和機器人腳底的采樣，計算它踏出去的每一步，是否踩在安全區(qū)域內(nèi)。

　　如果大部分采樣點在安全區(qū)域內(nèi)，自然有獎勵，反之就要挨罰。

　　另外，這篇論文的實驗中，還提到了從仿真環(huán)境到真實世界， BeamDojo 的零樣本泛化的成功率有 80% 。

　　換句話說，在仿真環(huán)境中訓(xùn)練好之后，到了真實地形上，不需要額外的微調(diào)，機器人也有很大概率能走得又快又穩(wěn)。

　　這種能力，對于機器人來說非常重要，所以也成為了現(xiàn)在學(xué)界和業(yè)界的主流研究方向。

　　像 AI 大牛李飛飛和她的研究團隊，之前就發(fā)布過一篇論文， “ 數(shù)字表親 ” 可以讓機器人零樣本泛化的成功率達到了 90% 。

　　另外一篇論文，介紹的其實是一個人形機器人遠程控制系統(tǒng)。

　　這跟上次斯坦福那個，也是遠程控制的 Aloha 機器人不太一樣。以前只是控制雙臂，但上海 AI 實驗室的 HOMIE ，可以控制機器人全身的自由移動。

　　實現(xiàn)的原理大概就是設(shè)計了一套外骨骼設(shè)備( 機械手臂、智能手套、腳踏板 )，讓研究人員可以通過這個 “ 駕駛艙 ” ，用全身控制機器人。

　　這套系統(tǒng)的強化學(xué)習(xí)框架中，也涉及到了三個核心技術(shù)：上半身姿態(tài)課程學(xué)習(xí)、高度追蹤獎勵和對稱性利用。

　　專業(yè)名詞聽起來很嚇人，但概念理解起來也沒那么難。

　　像上半身姿態(tài)課程學(xué)習(xí)，就是讓機器人學(xué)習(xí)更多、更復(fù)雜的上肢動作。

　　而高度追蹤獎勵，跟訓(xùn)狗一個道理。讓機器人下蹲或者站立到某個高度，完成任務(wù)就能獲得獎勵。對稱性利用，說白了就是讓機器人的左右兩邊的動作更協(xié)調(diào)、一致。

　　最主要的是，外骨骼設(shè)備的硬件成本，只需要 3500 ，人民幣。

　　這要比其他同樣是做遠程控制方案的機器人，成本要低得多。比如斯坦福 Aloha 機器人的硬件成本，就要 3.2 萬美元，在當(dāng)時看來，已經(jīng)算比較低了。

　　所以這么一對比，更顯得 3500 元是擊穿地板價的存在。

　　而且從數(shù)據(jù)采集的精度來看，也要比 VR 設(shè)備的方案要更高( 論文中是跟 OpenTeleVision 進行了對比 )。

　　所以世超覺著， HOMIE *的貢獻之一，或許就是找到了一種低成本、高精度的機器人數(shù)據(jù)采集方法。

　　看下來，不管是 BEAMDOJO 強化學(xué)習(xí)框架，還是 HOMIE 控制系統(tǒng)，這些前沿研究，都是沖著具身智能的疑難雜癥去的。

　　不可否認(rèn)，現(xiàn)階段的具身智能還遠沒能達到，科幻電影中的*對照。

　　但現(xiàn)在的機器人就特別像，十年前的 AI 。那個時候，也沒有人預(yù)想到 ChatGPT 、 DeepSeek 的出現(xiàn)，什么 AI 視頻、 AI 音樂，更是天方夜譚。

　　因為大部分的技術(shù)探索，咱們平時也接觸不到，所以只有當(dāng)質(zhì)變發(fā)生以后，我們才會反應(yīng)過來。

　　結(jié)合今年剛開年就新動態(tài)不斷的機器人行業(yè)，世超賭一手，不說應(yīng)用大規(guī)模落地，但在機器人的靈活性、適應(yīng)性上，今年肯定有的看了。

　　前兩天，宇樹科技的王興興不還說，預(yù)計年底他們家人形機器人 H1 的跑步速度，就要達到了 10m/s 。這速度，跟博爾特都有的一比。

　　反正，咱們就等著看吧。