大臂屈肘，前臂在空中劃出一個優美的“扇面”之後舉過頭頂，Atlas的整個身體被帶動起來，腳掌蹬地，大腿力量爆發，一個後空翻，落地完美。
近日，波士頓動力發佈了一段機器人後空翻的視頻，記者一直在猜想體操比賽“神解說”金寶成會給這段動作乾淨、沒有拖沓的表演估分多少。
無論分值多少，“震驚世界”是肯定的了——機器習得的人類本領又多了一個，而且還是一個大部分人不能完成的高“顯示度”的身體技能，這勢必會引起大部分人的注目。科技日報記者爲此採訪了東南大學儀器科學與工程學院院長宋愛國、德國人工智能研究中心科學總監菲利普·斯魯薩力克，對Atlas的動作進行技術分解，梳理一下它的背後有哪些技術在支撐發力。
機器人後空翻有多難
一個後空翻動作， 最難的是哪一步？起跳、翻轉、落地，還是穩住？
“要有力量”，宋愛國沒有直接回答記者的問題，他說，想翻轉，跳起來了，但是力量不夠大，就不能給翻轉足夠的時間，也談不上動態的調整，因此動力是後空翻能夠完成的基礎。
第三代Atlas並不是告別外接電源的第一代。資料記載，波士頓動力2016年推出的第二代Atlas就配備了內置電池驅動，不再需要外接電源獲取動力。
“瞬間給力會更大，就像人要調集自己肌肉內部的ATP儲能一樣，翻轉開始時的爆發力對電池的要求更高。”宋愛國提醒，在關注 傳感器 、算法等人工智能研究的同時，也要關注動力等基礎研發，“機器人的研製是一個全鏈條的工作”。
“在機器人的體內會有姿態傳感器，也就是陀螺儀。”宋愛國說，通過陀螺儀，它能夠知曉自己的空間方位。與生物判斷自己的方位和姿態不同，“人類的平衡感知集中在小腦部位。而機器人的平衡感知是分佈式的，通過陀螺儀分佈在它的軀幹上”。
“它一跳，腿部跟着擺動上來，然後翻轉，整個身體的姿態也隨之調整。”宋愛國說，“姿態傳感器獲取了各部位的旋轉狀況，將信息傳遞到中央處理器，進行控制決策。”
“控制的實施要快，因此對算法的有效性要求很高。”宋愛國說。決策的具體過程可分解爲：將姿態轉換成數據，進行計算處理，找到應對策略，傳遞給不同部分，控制姿態，獲取平衡。可以想見後空翻的所有計算要在“慢飛行”的情形下完成，因此控制算法優化極考驗功底。
“我有幸親眼見過Atlas，很多學校都在拿這款機器人做硬件平臺，然後研究控制算法。”“知乎”上一位機器人領域的研究者介紹，波士頓動力控制算法已成爲院校的典型範例，被用作教材。
此外，落地的平衡控制是較難完成的環節。這一過程中，剛性接觸和柔性接觸分別要採用不同的模型，還要設計二者的兼容模型。宋愛國說，爲了給這個大傢伙輸出足夠的動力，也爲了減少落地對它的緩衝，Atlas的腿部裝了液壓伺服器。“兩個細長的桶狀裝置，裝在腿部，將剛性接觸轉化爲柔性接觸。”
“目前的驅動部件，有電機、有氣壓、有液壓，後兩種能夠降振減壓”，宋愛國說，它們不會因爲瞬間衝擊力的增加而爆掉，而且輸出動力也足。但是，在算法控制上，液壓伺服的數學模型是非線性的，力量不會隨着電壓的增長而線性增長，控制的精度會低一點，宋愛國說：“機器人的腳部也會安裝多維 力傳感器 ，對腳步的受力狀態進行輔助控制。”
嚴苛“訓練”爲哪般
隨着Atlas後空翻的走紅，波士頓動力“虐待”機器人的一些老視頻也被網民扒拉出來。視頻中，測試人員不是對機器人猛踹，就是突然出現撞擊機器人，“這不是欺負，是爲了檢測機器人的穩定性能”。智能一點技術人員萬俊說。
“可以不必這樣。”菲利普·斯魯薩力克主要從事計算機圖形學領域的研究，能夠爲各種應用領域的模擬、分析、可視化、訓練和決策創建3D環境，他表示，對機器人的訓練可以通過虛擬場景進行。
“我沒有加入到這個研究團隊中，不是很瞭解他們是如何建模和調整的”，菲利普的回答透着德國人的嚴謹，但是人工智能的深度學習必須要從經驗中得來。
用數據替代現實，能夠給機器人足夠的深度學習數據。“我們已經在開展和機器人非常相似的無人駕駛汽車的訓練，利用虛擬3D環境爲汽車調整參數、算法和模型設計。”菲利普說。
“並不是所有的環境在現實中都能找到，例如火星環境、戰爭環境等。”菲利普說。機器人的研製初衷是代替人類進入嚴酷的環境，這也是波士頓動力公司受軍方資助的原因之一。
機器人能不能在這些環境中勝任呢？“創造出真實環境和多樣的場景驗證，花費巨大，而且也難以實現”，菲利普說，虛擬3D環境的設計是解決之道。
這涉及到除了翻跟頭之外的另一個問題——什麼時候翻跟頭？
“發佈的這個機器人，現在只是能夠完成人類給定的指令，還不能自己判斷什麼時候後空翻”，宋愛國說，在完成高難度動作之外，機器人還需要自己判斷。
例如，一個孩子從路上突然出現，機器人能不能判斷出避讓或翻過去。“它們不僅要能判斷大孩子、小孩子、打傘的孩子或者追球的孩子，一旦遇到‘孩子是翻着跟頭過去的’這種罕見的模式，也要判斷出來。”菲利普說。
分佈式的、沉浸式的、協作和交互式的3D環境，將給機器人一個個虛擬世界，只有當它們通過不同場景背後一套套“模擬試卷”的考驗後，才能夠被評判爲：智能系統安全。
我國研究正起步
關注Atlas的業內人士，也很樂於八卦波士頓動力公司的波折經歷——它早期在軍方拿到了鉅額的研究經費，後被谷歌收購，之後又被谷歌賣給日本軟銀公司。支持經費是其中的重要因素之一。
“波士頓動力特別有錢”，有人在“知乎”爆料稱，認識在該公司供職過的研究人員，得知波士頓動力每週都要做機器人實驗，把機器人搞壞，然後發現問題並改正，“因爲有錢、有經驗，所以他們一週之內就能把機器人修好，下一週繼續做，全年無休。”
可見，仿生機器人是個費錢又費工的研究。近年來，我國也在仿生機器人領域有了值得一提的研究。
今年4月百度主辦的創新挑戰賽上，南京大學、西南科技大學等聯合研發的“蜘蛛俠智能救援隊”亮相，能在複雜的路況中穩定行走，相互溝通協作且簡單自主運動。8月召開的機器人大會上，由清華大學計算機系研發的“數據機械手臂”，在人穿上帶有 傳感器 的手套後，機械手臂會“零延遲”同步響應動作。此外，中國科學技術大學、新鬆機器人公司等在四足機器人足球、7自由度協作機器人等方向都有相關研究進展。
宋愛國介紹，在軍方相關部門有進行四腿大狗的研究團隊，山東大學有研究兩腿直立行走的團隊，但與波士頓動力相比，我國的機器人研製深度和水平還有較大差距。