机器人后空翻如何“炼”成？多传感器+人工智能助力

最近，波士顿动力发布了一段机器人完成后空翻的视频，引起了广泛关注。在这段令人震撼的表演中，机器人做出了高难度的后空翻动作，展示了其卓越的身体技能和先进的机器人技术。

视频中，机器人的大臂屈肘，前臂在空中划出一个优美的扇面后举过头顶。随着身体被带动起来，脚掌蹬地，大腿力量爆发，机器人完成了一个完美的后空翻。这一动作的难度极大，需要机器人具备强大的力量和平衡感知能力。

随着这段视频的发布，人们开始猜测体操比赛解说员金宝成会给这段动作干净、没有拖沓的表演估多少分。不论最终得分如何，“震惊世界”肯定是无疑的。机器习得的人类本领再次取得了突破，一个大部分人无法完成的高难度身体技能被机器人掌握，这势必会引起大多数人的瞩目。

针对这一事件，科技日报的记者采访了东南大学仪器科学与工程学院院长宋爱国以及德国人工智能研究中心的科学总监菲利普·斯鲁萨力克。他们对机器人的动作进行了技术分解，并探讨了背后所依赖的技术。机器人的动力是完成动作的基础。据宋爱国介绍，机器人需要瞬间爆发巨大的力量来完成后空翻动作。这就要求电池能够迅速提供足够的能量。机器人的姿态传感器和算法也起到了至关重要的作用。通过陀螺仪，机器人能够感知自己的空间方位，并通过中央处理器进行控制决策。这需要高效的算法来确保控制实施的快速和准确性。波士顿动力公司的控制算法已成为院校的典型范例，被广泛应用于教学和研究中。落地的平衡控制也是机器人完成动作的关键环节之一。机器人需要通过算法来平衡刚性接触和柔性接触，以确保稳定落地。为了实现这一点，机器人的腿部装有液压伺服器，可以将刚性接触转化为柔性接触，并减少落地对机器人的冲击。除了动力和算法外，机器人的训练也是完成高难度动作的重要一环。虽然现实中对机器人进行严苛的训练可以检测其稳定性能，但虚拟场景训练也是一种可行的选择。菲利普·斯鲁萨力克提到，他们已经在开展与机器人非常相似的无人驾驶汽车的训练工作。利用虚拟环境为汽车调整参数、算法和模型设计是一种高效的方法。虚拟环境训练不仅可以为机器人提供足够的深度学习数据，还可以模拟现实中难以找到的环境，如火星环境和战争环境等。波士顿动力公司受军方资助的原因之一是研制机器人的初衷是代替人类进入严酷的环境。因此虚拟场景训练对于机器人来说至关重要。通过虚拟场景训练，机器人可以在没有现实世界中风险的情况下进行模拟操作和实践经验积累。这种训练方式可以提高机器人的适应性和稳定性同时降低成本和风险。总之这段机器人后空翻的视频展示了人工智能技术的巨大进步和潜力在未来人工智能将在更多领域得到应用并改变人们的生活方式和社会形态。。通过深入分析我们可以发现背后依赖着强大的动力、高效的算法、精确的传感器和不断的训练等一系列技术突破和探索才能最终实现这样令人惊叹的技能展示。。同时这也预示着未来人工智能将在更多领域得到应用为人类解决更多难题并推动科技进步的步伐。。让我们共同期待这一领域的更多精彩表现吧！机器人环境的适应性与智能系统的考验

关于机器人能否在各种环境中胜任的问题，曾引发众多讨论。面对真实环境和多样场景的验证，其难度之大如同翻山越岭。正如菲利普所言，“创造出这样的环境耗费巨大，也难以实现。”虚拟3D环境的设计为解决这一问题提供了可行的方向。

随之而来的是另一个挑战——机器人何时翻跟头？宋爱国提到，当前发布的机器人尚不能自主判断何时进行后空翻等复杂动作。它们仅能够完成人类给定的指令。例如，面对突然出现的孩子，机器人不仅要能够判断其年龄、行为模式，还要应对极为罕见的情况如孩子翻着跟头过去。这种智能系统的安全评估需要一个过程，即机器人需在虚拟的分布式、沉浸式、协作和交互式3D环境中经历考验。只有当它们通过这些场景的考验后，才能被认定为智能系统安全。

在我国，关于机器人技术的研究也正在起步。波士顿动力公司的经历引起了业内人士的关注。从被军方资助巨额经费，到经历谷歌的收购，再到日本软银的接手，经费的支持一直是其研究的重要支撑。波士顿动力的研究人员每周都会进行机器人实验，即使在机器人损坏的情况下也能迅速发现问题并进行修正。这一工作的强度和深度足以见证仿生机器人的研究既费钱又费工。

与此我国也在仿生机器人领域取得了值得称道的进步。例如百度创新挑战赛上展示的联合研发的“蜘蛛侠智能救援队”，能够在复杂地形中稳定行走，并展现出简单的自主运动和沟通协作能力。清华大学计算机系研发的机械手臂能够实现零延迟同步响应动作。中国科学技术大学和新松机器人公司在四足机器人足球和协作机器人等领域也取得了显著进展。尽管与波士顿动力相比，我国在机器人研制深度和水平方面还存在差距，但我们仍在不断前进。未来的道路充满了挑战和机遇，期待更多的研究和创新能够推动我国机器人的进一步发展。