波士顿动力公司机器人组团跳舞?究竟是怎么一回事?

 

点击上方“IEEE电气电子工程师”即可订阅公众号。网罗全球科技前沿动态,为科研创业打开脑洞。Image: B...



点击

上方“IEEE电气电子工程师”即可订阅公众号。网罗全球科技前沿动态,为科研创业打开脑洞。

Image: Boston Dynamics



前,波士顿动力公司(Boston Dynamics)发布了一段Atlas、Spot和Handle为“Do You Love Me”跳舞的视频。该视频的观看量已超 2400 多万次。

严格地说,视频中的内容并不是开创性的,从某种意义上说,我们没有看到任何机器人展示出根本上的新功能,但这不应该影响你看到最先进的仿人机器人翩翩起舞。

波士顿动力公司的这段视频的独特之处在于艺术部分,其中大部分是通过与编舞Monica Thomas的合作完成的。在此之前,人形机器人 Atlas 可以完成一些实际任务,也可以做一些体操运动和跑酷运动,但跳舞确实是件新鲜事。为了进一步了解如何让这些跳舞机器人成为现实(这比看上去要复杂得多),我们(作者,以下简称我)采访了波士顿动力公司工程副总裁Aaron Saunders。



Saunders从2003年开始就在波士顿动力工作,是波士顿动力“LittleDog”机器人的两位设计者之一。同时,他也是Atlas项目的重要成员,从项目伊始就参与研发,在过去的几年中,Saunders一直是Atlas的负责人,他很友好地回答了我们关于跳舞机器人的问题。
Q
IEEE Spectrum:你对互联网对视频的反应有什么看法?

Aaron Saunders:我们收到了对这段视频的各种期待,这绝对是非常大的乐趣。YouTube上的回复对我们来说是创纪录的:我们收到了数百封电子邮件和电话,人们表达了他们的热情,还分享了他们对我们下一步该做什么的想法,这首歌怎么样,这段舞步怎么样,所以真的很有趣。我最喜欢的反应是一位94岁的奶奶带给我的,她在YouTube上看了这段视频,然后通过家人发了一条信息,问我是否教过机器人这些可爱的动作。我认为这段视频的受众比预期广泛,原因是它将经典音乐和新技术融合在了一起。
Q
我们以前从没见过Atlas像这样移动,你能谈谈这是怎么做到的吗?

首先,我们与舞者和编舞合作,编出了一套舞蹈动作,以此来作为这段舞蹈的基础。其中一个挑战,特别是Atlas的核心挑战,是调整人类的舞蹈动作,以便在机器人上表演。为了做到这一点,我们使用模拟快速迭代运动概念,同时征求编舞的反馈,以达到Atlas有力量和速度执行的行为。这是一个非常反复的过程,他们会逐字逐句地说出他们想让我们做什么,工程师们会看着屏幕,说“那很容易”、“那很难”或“那吓坏了我”。然后我们会进行讨论,在模拟中尝试不同的东西,并做出调整,以找到一套我们可以使用的兼容的动作在Atlas上执行。

在整个项目中,随着我们构建的工具越来越多,创建新舞蹈动作所需的时间变得越来越短。例如,在开始拍摄的前一天,我们使用工具链创建了一个 Atlas 芭蕾动作,仅用一天就创建成功。因此,这个过程不是手动创建脚本或手动编码,而是创建一条允许你尝试各种动作的 pipeline,你可以通过各种输入来描述这些动作,并让机器人执行。
Image: Boston Dynamics
Q
在将人类舞蹈动作转换为 Atlas 动作的过程中,是否遇到了非常困难的问题?或者有没有 Atlas 能比人类做得更好的地方?

芭蕾舞中的一些旋转动作需要更多次迭代才能在 Atlas 上执行,因为这种动作和跳跃、奔跑相差最大,我们的经验相对较少。它们对机器和软件都提出了新的挑战。我们学到的教训是:不要低估舞者的灵活性和力量。我们选的都是优秀的舞者,让机器人去做他们的动作确实太难了。从根本上讲,我认为 Atlas 并不具备这些舞者所具备的运动能力和力量,但我们会继续朝着这个方向改进。因为我们相信,如果想让机器人广泛应用于商业领域,最终走入家庭,这样的性能是它们必不可少的。

机器人真正擅长的事情是以完全相同的方式一遍又一遍地重复做一件事,因此,当我们令其执行我们想要的动作时,机器人就可以重复执行,同时我们会从不同的角度拍摄视频。
Q
我能理解你是如何利用人类舞者来帮助你和Atlas一起完成一个常规动作的,但这对Spot,尤其是Handle是如何起作用的呢?

我们的合作者在对运动的思考上和在通过动作表达自身的方式上都颇有才能。而且我们的机器人在动态、平衡性等方面都表现良好。我们发现,舞者与机器人的运动方式是有关联的,编舞的人会将他们统一起来,这与腿的数目无关。当没有动物或者人类行为的模板时,你就需要多动点脑筋了。


“We used simulation to rapidly iterate through movement concepts while soliciting feedback from the choreographer to reach behaviors that Atlas had the strength and speed to execute. It was very iterative—they would literally dance out what they wanted us to do, and the engineers would look at the screen and go ‘that would be easy’ or ‘that would be hard’ or ‘that scares me.’”

—Aaron Saunders, Boston Dynamics
Q


你教机器人跳舞、体操或跑酷的经验,对机器人的商业应用有何启示?

我们认为舞蹈和跑酷所固有的技能,如敏捷性、平衡性和感知力,是机器人广泛应用的基础。更重要的是,波士顿动力机器人一直试图在开发新技能与保持有趣之间找到交集,而这也是一种不错的方式。

一个很好的例子是,当你让机器人在几天时间内做这些动作时,你会对硬件的稳定性有更深的了解。Spot 机器人通过产品化流程变得非常稳定,几乎无需维护,它甚至可以跳一整天的舞。而其原因正是我们从之前那些或诡异或有趣的尝试中学到的经验教训。你必须踏入未知的领域,才能知道你不知道的事情。
Image: Boston Dynamics
Q
通过观看这样的视频,我们通常很难分辨出让事情按你所希望的方式运转需要多少时间,以及它们对机器人实际能力的代表性有多强。你能谈谈吗?

让我试着在这个视频的上下文中回答,但我认为我们发布的所有视频都是如此。我们努力工作来制造一些东西,一旦成功了,它就成功了。对于Atlas来说,大多数机器人控制都来自于我们之前的工作,比如我们在跑酷上所做的工作,这让我们走上了一条使用模型预测控制器的道路,该控制器考虑了动力学和平衡性。我们使用这些让机器人执行一组舞步,这些舞步是我们和舞者、编舞师一起离线设计的。我们花费了大量时间——好几个月去思考舞蹈、合成动作,以及模拟迭代。‍

跳舞需要很大的力量和速度,所以我们甚至升级了Atlas的一些硬件,让它更强大。舞蹈可能是我们迄今为止所做的最强大的事情,尽管你可能认为跑酷看起来更具爆发力,但你在舞蹈中拥有的运动量和速度令人难以置信。这也花费了数月的时间;在机器中创建与算法中的功能相匹配的功能。

最终的视频我们只拍了两天,大部分时间用在了如何移动摄像机在充斥多个机器人的现场捕捉一个连续两分钟的镜头。当我们跑着拍摄这段齐舞多次之后,我们可以相当靠谱地重复它。在最终的两分钟段落里,不存在任何剪辑。

当然硬件还是存在问题的,它们需要维护,机器人有时候会跌倒。这些行为不会被产品化,也不是 100% 可靠,但它们是可重复的。我们诚实地展示了机器人能做的事情,我认为当你声称自己实现一件事时,诚实是必要的,这对我们来说很重要。
Q
你刚才提到 Spot 现在已经可以跳一整天舞了。那么 Atlas 呢?不停换电池的话,Atlas 也能跳一整天吗?

世界上仅有为数不多的 Atlas 机器人,它们很复杂,可靠性并非其主要关注点。我们会让 Atlas 时不时地休息一下,但其硬件的鲁棒性确实不错。如果没有鲁棒性,这个视频压根就无法拍摄。我认为 Atlas 有点类似直升机,其维护时间和使用时间的比率较高。而 Spot 更像汽车,你可以驾驶很长时间再休整。
Image: Boston Dynamics
Q
当你教Atlas做新的事情时,它是否使用了机器学习?如果没有,为什么不呢?

作为一家公司,我们已经探索了很多东西,但是Atlas现在没有使用学习控制器。我想总有一天我们会的。Atlas目前的舞蹈表演混合了我们所说的自反控制,这是一种对力的反应、在线和离线轨迹优化以及模型预测控制的组合。我们利用这些技术是因为它们是解锁真正高性能的东西的可靠方法,而且我们了解如何很好地使用这些工具。我们还没有找到解决办法。

我们计划利用学习来扩展和建立我们已经开发的软件和硬件的基础,但是我认为我们和社区一起,仍然在试图找出正确的地方应用这些工具。我想你会看到这是我们自然进程的一部分。
Q
除了前面提到的那些,波士顿动力是否还希望通过这个视频传递一些其他信息?

就我个人而言,我认为这是因为我花了太多时间沉浸在机器人技术中,对机器人是什么以及它的能力和局限性有着深刻的理解,我强烈的愿望之一就是让更多的人花更多的时间与机器人在一起。很多人看了我们的视频之后会分享自己的看法,如果更多的人有机会去思考、学习、接触机器人,他们所达到的理解高度将催生更多新的想法,帮助我们思考机器人在日常生活中还有哪些用途。我认为这种可能性非常令人兴奋,我想看到更多人踏上这段旅程。
往期推荐
推荐阅读


重力储能将在2021年展现其潜力

1-25 Samuel K. Moore
英特尔最新技术 堆叠纳米晶体管可能成为摩尔定律的下一步

1-18 Samuel K. Moore
今年,自动驾驶卡车将在无人驾驶的情况下上路

1-19 Evan Ackerman
IEEE计算机学会揭示其2021技术预测

1-11 CS


    关注 IEEE电气电子工程师学会


微信扫一扫关注公众号

0 个评论

要回复文章请先登录注册