机器人不需要追求完美，“缺陷”可能是件好事。
编译|董斌
来源|Lex Fridman（YouTube）
而提到机器人，就不得不提到美国的机器人制造公司波士顿动力。近日，波士顿动力公司创始人Marc Raibert（马克·雷伯特）接受访谈，分享了他对机器人技术未来愿景的深刻见解。
从大狗（Big Dog）的稳健步伐，到阿特拉斯（Atlas）的惊人跳跃，再到Spot机器狗的灵活行动，波士顿动力的每一项创新都让世界为之震撼。在这次访谈中，Marc Raibert向我们展示了他的机器人世界。他将带我们回顾那些令人难忘的创造时刻，分享他对机器人形态与功能性的独到见解，以及他在机器人技术发展过程中的心得体会。
对话的精彩观点如下：
1．与他们相比，我更像是一个梦想家，工程师们才是真正让梦想落地的人。
2． 当机器人开始运动时，你会觉得它是有生命的，而形态的美感对机器人的仿生动作有加成效果。
3． 机器人不需要追求完美，特别是在人与机器人的互动过程中，“缺陷”可能是件好事，擅长笨拙地处理物体可能比完美地建模和移动更值得优化。
4． 技术在理论上非常吸引人，但并不一定能在市场上取得成功。
5． 当投入大量心血制造出机器人，但它并没有按照预期运行时，必须有勇气去直面失败。
6． 我们展示的并不是某一次偶然的成功，而是经过不断改进后的稳定表现。
7． 科学家主要描述和研究已经存在的事物，而工程师则能创造出前所未有的东西。
8． 我绝不会低估马斯克的任何一项能力。但就目前的Optimus而言，我认为它还未达到Atlas的水平。
9．通过视频或其他方式与公众互动，创造一种文化氛围，让人们意识到他们需要这个产品。
以下为访谈全文，有删改：
我是个梦想家，我的工程师们才是让梦想落地的人
主持人：Marc Raibert是一位传奇的机器人专家，也是波士顿动力公司的创始人和首席执行官。40多年来，他一直领导着公司不断创造奇迹。你第一次接触机器人是什么时候？
Marc Raibert：在我很小的时候就开始接触机械类的东西。我父亲原本想成为一个工程师，但他母亲非常传统，认为那样会像个修理工，所以不允许我父亲追求这个梦想。即便如此，家里的地下室也总是堆满了各种工具和电子产品，因此我喜欢上了制作一些小东西。
在我研究生时期，曾跟随一位教授到他的实验室，桌子上放着一个被拆成上千个零件的机器人手臂，正是那个机器手臂激发了我对机器人的兴趣。
主持人：你说你喜欢创造。在你创造的那些东西里，有哪些是让你印象深刻的？
Marc Raibert：在我孩童时期，我就开始做些小发明了，例如荧光灯里的小铝筒。我会把它拆开，装上火柴头和引线，将它做成小火箭。
主持人：你曾在麻省理工学院创建了传奇的实验室Leg Lab，能讲讲你们最早在实验室中制造的跳跃机器人吗？
Marc Raibert：Leg Lab始于卡内基梅隆大学。最早的跳跃机器人就是在那里制造出来的的。在加入卡内基梅隆大学之前，我在喷气推进实验室工作过3年。在那里我认识了被称为计算机图形学之父的Ivan Edward Sutherland（伊万·萨瑟兰）。
有一次，他鼓励我去加州理工学院做项目，在给出项目列表的时候，我故意把第一个和第三个项目写的很无聊，而在中间提出了跳跃机器人构想。Ivan认为这个项目非常有价值，给了我大约3000美元的启动资金用于建造跳跃机器人。
当第一款跳跃机器人制造成功之后，Ivan带着我去美国国防高级研究计划局碰运气，我们在那里遇到了时任项目经理的Craig Fields。当他看到我的模型后决定资助我25万美元用来支持后续的研究。在那个年代，25万美元是一笔很大的经费。
紧接着我意识到继续研究需要更先进的技术支持，于是我决定组建起属于自己的专业团队。在接下来的几年里，我和团队共同研发了众多方程式和算法。
主持人：找到和你拥有同样疯狂想法的人是一种什么样的感觉？
Marc Raibert：对我来说，最明智的决策就是寻找到了这些出色的伙伴。如今，当我审视波士顿动力公司及那些真正杰出的工程师们，我认为，正是他们在幕后默默付出，才让一切成为可能。与他们相比，我更像是一个梦想家，而他们才是真正让梦想落地的人。
在设计机器人时，不必过分追求完美
主持人：你认为形态和功能性哪个更重要？
Marc Raibert：起初，我认为功能就是一切，能力、灵巧、感知和智力才是机器人的关键功能，其他的都不重要。甚至在最初设计时故意不考虑结构本身的美感，但我发现，当机器人开始运动时，你会觉得它是有生命的，形态的美感对机器人的仿生动作有加成效果。
机器人不需要追求完美，特别是在人与机器人互动中，缺陷可能是件好事，擅长笨拙地处理物体可能比完美地建模和移动更值得优化。所以更应该优化机器人本身的功能，而不是在拟人化方面追求完美。
卡内基梅隆大学机器人研究所的主任Matt Mason曾分析过一段朱莉娅·查尔德烹饪的视频，在处理食材时，她用了40种不同的动作，但没有一种是抓握。因此，在现实世界中完美并不存在。
主持人：你有没有对机器人产生过怀疑？
Marc Raibert：一开始我并不热衷于人形机器人，觉得功能性更重要。Spot就是如此，我经常带着Spot（波士顿动力公司研制的机器狗）去各地演讲，它非常受欢迎，人们想要和它合影，抚摸它甚至给它穿衣服。
主持人：波士顿动力公司一直专注于机器人研究吗？
Marc Raibert：当然不，我们有一款产品是手术模拟器，它具备了力反馈功能。在这款产品的研发过程中运用了机器人的相关技术：当你低头操作模拟器时，手中的手术工具与力反馈设备相连，就仿佛是在俯视一个真实的手术场景。
我们的初衷是打造一款能够教导外科医生进行手术操作的教练系统。为此，在研发过程中，我们采访了许多外科医生，解他们在手术中的注意事项和操作规则，比如避免撕裂组织，只在必要的部位进行操作等。同时我们建立了一套评分系统并为使用者记录分数，并公布了他们的成绩。外科医生们都非常有竞争意识，会反复尝试以提高自己的分数。
那是90年代末，我们运用了三维计算机图形技术，模拟了一种叫做吻合术的外科手术，这种手术主要是将管状物如血管等缝合在一起。通过这款模拟器，你可以真切地感受到组织的移动，感受手术中每一处细节。
然而，在推广过程中，我们原本以为外科医生们会愿意付费接受这种培训，但实际他们认为我们应该付费给他们，因为他们可以提供宝贵的教学经验。因此，我们并没有从外科医生那里获得任何收入。于是，我们考虑将产品卖给医院，由医院来培训外科医生。但当时我们公司规模很小，根本没有足够的资源去进行大规模的营销活动，完全依靠自力更生。
最终我们决定放弃这个项目。但这个决定对公司来说还是一个重要的里程碑，因为它让我们更加明确了定位和方向。我们意识到，尽管技术在理论上非常吸引人，但并不一定能在市场上取得成功。这让我们更加专注于开发真正有市场需求的产品。
波士顿动力的创新足迹
主持人：波士顿动力公司的下一个里程碑是什么？
Marc Raibert：Big Dog（大狗，波士顿动力研究的四足机器人）无疑是我们公司的成名之作，也是让我们团队更加紧密合作的契机。随着项目的推进，公司也逐渐壮大。大狗这个项目的起源来自于美国的一个生物力学项目。
当时，该项目发布了征求建议书，总共有42份提案提交，但最终只有三个项目获得资助。大狗就是其中之一，另一个则是攀爬机器人Rise。这两个项目都进展得非常顺利。后来，我们还聘请了麦吉尔大学的教授Martin Buehler，他在将大狗应用到实际环境中发挥了重要的作用。这是我们公司的一种重要模式，就是敢于走出实验室，进行实地构建、测试和修复。
主持人：你们的机器人最令人印象深刻的一点就是它们运动的美丽与自然。无论是走路、跑步，甚至是翻滚和跳跃，都显得如此自然流畅。这种自然运动是如何实现的？
Marc Raibert：拥有优秀的硬件是关键。我们在早期的研究中采用了一种动态的方法，思考物体下一步运动的演变。在给出指令时，我们会预测物体的运动轨迹，而不是仅仅基于当前状态进行调整。
如果机器人要完成像翻跟斗这样的动作并沉稳着陆，就必须在起跳时获得正确的动力和旋转。我和Ron Robson一起制造了一个双腿机器人。那个机器人连续翻了三个跟斗。为了获得足够的旋转速度，机器人需要模仿抱膝动作，也需要收腿来加速旋转。Ron在稳定更复杂的动作方面做了非常深入的研究。
值得一提的是，他曾是一名体操运动员，还获得过体操冠军。因此他具备出色的体能和工程技能，这使得他能够将一些体操动作转化为数学模型和算法，从而实现这些复杂的机器人动作。
主持人：他了解人类的运动方式，只需要将这些知识应用到机器人上。
Marc Raibert：是的，机器人也要做同样的事情。不幸的是，有时人类也并不完全清楚自己是如何完成某些动作的，虽然我们经过了训练，有学习的方法，但我们真的理解其中的物理原理和方式吗？运动员们可能也不完全清楚。
机器人的运动方式仍然不能完全像人一样自然和优雅，尽管它已经在逐渐接近。像人类一样走路对它来说仍然是一个挑战。我们公司有一句话是，在机器人领域，你必须先学会跑，然后才能学会走路。
主持人：你们有一驾四足机器人速度达到了每小时19英里，它是世界上最快的四足机器人吗？
Marc Raibert：也许吧。不过，它可能也是噪音最大的，因为我们在上面装了个小型赛车引擎，为此我们还收到了几个街区外的噪音投诉。
主持人：你现在领导着新成立的波士顿动力AI研究所，你能介绍一下吗？
Marc Raibert：我将智能划分为两个部分：一个是运动智能，另一个是认知智能。波士顿动力已经为运动智能领域树立了标杆。然而人类和动物还具备另一种智能。那就是人类能够制定计划。例如会议9点开始，从家到会议室大约需要20分钟，所以我决定8点40分离开家，这是个简单的决策过程。而大多数机器人在认知智能方面都显得相当笨拙，需要大量的技术人员进行长时间的编程来完成各项任务。
如果机器人要实现我们的期望，需要变得更加聪明。因此，AI研究所的设计理念是将运动智能与认知智能相结合。例如，我们正在尝试制造能够观察人类完成任务的机器人，理解它所观察到的一切，并自主完成任务。
有难度的测试才更能体现机器人的智力水平
主持人：何为运动智能？
Marc Raibert：人类使用双手与身体各部分进行协调互动。比如旋转物体等动作，我们不看也能完成，也可以从口袋里拿出东西，并迅速识别它们。这些看似简单的动作背后都蕴含着复杂的运动智能。
主持人：在运动智能领域，还存在哪些重大的未解问题？
Marc Raibert：最大的挑战可能还在于机器人的认知能力。
主持人：在研究过程中，你如何平衡大胆创新和稳步发展？
Marc Raibert：我们采用“循序渐进”的策略，通过一系列的小步骤逐步推进研究：进行某项操作时，如拿起物品、放置到特定位置，再叠放另一个物品。为了理解这些动作，我们将它们逐一分解并分析。目前，我们正专注于这个问题的前端研究：观察并记录视频或实时内容，将其转化为对发生事件的描述，并尝试将这些描述与完成动作所需的技能相对应。在多个维度上，我们都正在取得逐步的进展。
主持人：如果仅仅是通过观看视频，机器人能否学习和模仿这些动作呢？
Marc Raibert：我认为这是可行的。以导航为例，传统的导航方式依赖于传感器来识别障碍物和可行走区域，建立地图，并规划路径。在实际生活中当我们给人分配任务时，比如调整椅子的位置，并不需要详细描述房间的每一个细节。人们能够自然地在某个环境中完成任务。
我们正在努力追求将这种自然的理解环境的能力应用到机器人中，使它们能够在没有详细模型的情况下，通过观察和学习来完成任务。
主持人：机器学习在这些过程中扮演了怎样的角色？
Marc Raibert：自ChatGPT问世以来已经过去一年了。人们对此展现出了极大的兴趣和乐观态度。我认为机器学习领域仍有巨大的潜力等待我们发现。
主持人：你在波士顿动力公司、麻省理工学院（MIT）和卡内基梅隆大学（CMU）都打造过非常出色的团队，现在在AI研究所也是如此。你曾经提出一个出色的团队需要具备四个要素：技术上的无畏、勤奋、勇敢以及在技术中寻找乐趣。尤其是“技术上的无畏”，你如何理解？
Marc Raibert：技术上的无畏，是指勇于接受尚未找到解决方案的问题。
主持人：为什么勤奋在团队中很重要？
Marc Raibert：想要开发真正实用的机器人，机器人的智能部分就不能是过于狭窄的，否则一旦任务或环境发生变化，机器人就会立刻失效。那么，如何找到解决方案的广泛适用性呢？我认为关键在于持续努力，直到你对解决更大范围的问题感到满意。这就是我所强调的稳健性。
或许有人看过我们的视频，视频中展示了工程师如何给机器人设置难题。比如，当Spot机器人尝试打开门时，有人会故意推门干扰它；或者当机器人导航时，有人会拉扯连接到它身上的绳子。我们还有一个视频展示了机器人在爬楼梯时，工程师通过拉扯绳子让它滑下楼梯，这与机器人简单地识别楼梯、建立模型、然后小心翼翼地把脚放在每一级台阶上是完全不同的。这种测试能够展现机器人技术的真正实力。为了有更稳健的解决方案，需要有更广泛的视野和更深入的思考。
主持人：所以需要在各种条件下测试系统，并以多种方式对其进行干扰？
Marc Raibert：如果仅仅展示机器人正常运行的视频，观众可能并不会觉得有多惊艳。但当机器人在运行过程中意外摔倒，人们会清晰地看到它摔倒和重新站立的速度，就会更加欣赏稳定运行状态下的出色表现。
主持人：正是通过对比失败与成功，我们才能更加深刻地欣赏到成功的来之不易。
Marc Raibert：直到大约三四年前，我一直是公司大部分视频的最终编辑者。我视频制作的理念是：无需过多解释。如果观众无法理解视频内容，那说明视频本身做得还不够好。不要用一堆标题或其他繁琐的元素来拖慢节奏。只需做出值得展示的东西，并简洁地呈现出来。
在Big Dog视频中，有人曾批评我们展示了人类操控机器人的部分。我理解这种批评，因为当时我们主要想展示的是机器人如何用腿爬坡的能力，我认为这是视频的重点。然而观众更关注的是机器人的自主能力。因此，我们根据观众的反馈做了很多调整，以呈现最纯粹的机器人技术。
主持人：我很期待看到系统在受到干扰时的反应，还有它的稳健性和恢复力等特质。另外，机器人随着音乐跳舞，这种大胆的尝试也很有趣。
Marc Raibert：说到大胆，我认为勇气也是关键的因素。机器人技术的研发难度极高，成功并不是一蹴而就的。所以我会分享一些视频，展示在研发过程中遭遇的一系列失败。当投入大量心血制造出机器人，但它并没有按照预期运行时，必须有勇气去直面失败。
波士顿动力分享的是不断改进后的稳定表现
主持人：你能否分享一下Spot和Atlas背后的研发故《505彩票app下载官网》事？
Marc Raibert：为了让Atlas爬上三个大台阶，我们进行了100多次尝试，每一次都有视频记录。虽然失败了这么多次，但一旦成功，其表现就会非常稳定。所以我们展示的并不是某一次偶然的成功，而是经过不断改进后的稳定表现。
每一次的失败都为我们提供了宝贵的经验。有些是由于意外所导致，比如在起点处机器人就摔倒了，与台阶无关；或者是感知系统出现故障，导致跳跃时偏离了目标；甚至有时某些部件会损坏，这些都是研发中的有趣经历。
我清楚的记得，整个研发过程耗时6周，我们不断地对机器人进行编程和调整，这就是机器人的学习过程，但人工的参与和辅助不可或缺。
主持人：在研发过程中，如何确保Atlas不受到损坏？
Marc Raibert：Atlas的成功大程度上归功于我们的工程师们将机器人设计得足够坚固，它能够在跌倒和其他测试中承受冲击。
有时，我会批评那些把精美设备供在架子上不敢使用的人，以那种方式工作无法取得任何进展。我们需要做好设备可能损坏的准备，并能够及时修理。在制定预算时，就需要考虑到备用零件和专业的维修团队等成本。
于我而言，我总能从技术中找到乐趣，像个工匠一样，用自己的双手或者擅长的工具亲手完成一项工作是非常有成就感的。这能够为工程师们带来极大的成就感。
主持人：工程对你而言意味着什么？
Marc Raibert：对我来说，工程既包含了科学的严谨，又有像艺术的创新性。科学家主要描述和研究已经存在的事物，而工程师则能创造出前所未有的东西，工程学承载着更高的使命。尽管在公众眼中，科学往往被视为至高无上，工程学次之，但我的看法恰恰相反。
人类可以用智慧创造系统，在静物或任何无生命的物体中，特别是当它在人类可以直接感知和欣赏的层面上。
主持人：我逐渐意识到，人类之间的交流不仅依赖语言，还包括丰富的肢体语言和诸多复杂细节。
Marc Raibert：我们曾接到邀请，让机器人与著名舞者同台演出。舞者的头部、颈部、肩部等每一个细微动作都包含无数变化，而机器人通常没有这样的灵活度。要想在舞者旁边表演而不显得笨拙，难度确实很大。因此，我们基本上避免了这种类型的表演。
我不会低估马斯克的任何一项能力
主持人：你是如何吸引优秀工程师的？
Marc Raibert：要吸引人才，首先需要创造一个让他们愿意投身其中的工作环境：一个优秀的工程环境会吸引工程师们前来，而优秀的工程师们又会进一步提升这个环境。在波士顿动力公司，我们花了很长时间维护这样的环境。
另外，我认为需要找到那些真正热爱机器人技术的人。在公司早期由于薪资水平相对较低，我们吸引的都是那些对这项工作充满热情的人。其中包括一些没有专业学位但技艺高超的工匠，比如那些制造自行车和皮划艇的能手，还有一些来自创客社区的人才，他们对公司来说来说非常重要。
主持人：你一直对埃隆·马斯克和特斯拉在Optimus机器人方面的进展赞赏有加，这是一款类人机器人。你如何看待他们的类人机器人？
Marc Raibert：我非常钦佩埃隆·马斯克作为技术专家的能力和成就。他在特斯拉的所作所为简直让人叹为观止。他将一个原本小众、鲜有人关注的领域，发展成了现在几乎所有汽车制造商都竞相效仿的热门行业。再来看看SpaceX，他在某些方面甚至已经超越了NASA，虽然这样说可能有点夸张。
我绝不会低估马斯克的任何一项能力。但就目前的Optimus而言，我认为它还未达到Atlas的水平。
主持人：关于类人机器人领域的竞争，您有何看法？您是否更倾向于友好的互动交流？
Marc Raibert：我并不是太在意竞争。因为我并非商人出身。在波士顿动力公司的多年里，我们从未过多考虑竞争，只是专注于自身的发展。然而，即使在没有竞争的情况下，也只是作为机器人供应商的角色。例如，在小狗项目中，我们仅负责制造机器人，并未参与其他开发环节。在DARPA机器人挑战赛中，我们也是以提供机器人的身份参与，并未直接参与竞争。
如今，我们在AI领域致力于认知方面的研究，我感觉竞争更为激烈。计算硬件、团队技能以及人才招聘方面的入门要求都更高了，这是个更具挑战性的领域。目前，有10家或12家类人机器人公司，可能还有些我不了解的，他们之间肯定存在竞争且也将持续存在。
主持人：仓库自动化是目前机器人领域中唯一能实现盈利的应用场景吗？
Marc Raibert：确实如此。但我坚信，社交机器人将开始实现真正的盈利，如家用型的、类似波士顿动力公司Spot那样的机器人。未来，机器人将会大量进入我们的家庭。
有时候你有一个好的产品，但人们可能并不知道它。因此，部分工作得通过视频或其他方式与公众互动，创造一种文化氛围，让人们意识到他们需要该产品。
你可能不希望一个装有摄像头的机器人在你家里自由移动，但如果它被恰当地呈现，并且有明确的界限让你了解它的工作原理，很多人会愿意使用它。毕竟，我们现在都在使用智能手机，而智能手机上也装有摄像头在“监视”我们。
主持人：你不觉得人工智能是威胁吗？
Marc Raibert：我个人并不这么认为。
主持人：有人认为，这些系统未来可能会比人类聪明10倍、100倍，甚至1000倍，并且它们的道德和伦理准则可能与人类不同。因此，它们可能会以我们无法预测的方式失控，对人类造成伤害。
Marc Raibert：这有点像《奥本海默》电影中的一句台词：他们在第一次引发核反应时，担心地球上的所有物质都会消失。
虽然这种可能性存在，但我个人认为不必过于担心。我看到了一个充满机会的领域，风险也伴随其中，我们需要在两者之间找到平衡。以汽车为例，它们造成了环境污染并每年导致大约125万人死亡，尽管如此，汽车对人类来说仍然非常有用。而这些技术和污染问题是可以逐步解决的。
责任编辑：刘明亮
