西風 發自 凹非寺
量子位 | 公衆号 QbitAI
一批人形機器人在美國舊金山街頭出沒，引得過往行人駐足觀望：
可能還去上了個課，從加州大學伯克利分校校門大搖大擺走出：
路線不對，踩着小碎步，穩健調頭：
或者不裝了，調什麽頭，直接倒着走：
在各種場景下都可以看到它們的身影：
于是乎，" 機器人正在接管舊金山 " 的消息已經傳開了：
要不是視頻中還有人類出鏡，網友都要懷疑這是不是真的在舊金山：
這就是來自加州大學伯克利分校的人形機器人成果。研究人員提出了使用序列建模和動作預測的 Causal Transformer 模型。
使得人形機器人可以在室内外各種環境中穩健行走，應對不同地形，甚至還能背個書包，提袋垃圾：
怎麽做到的？
此前，盡管一些人形機器人在特定環境下表現良好，但廣泛存在泛化和适應新環境方面的問題。
來自加州大學伯克利分校的研究人員提出了運用 Causal Transformer 的方法。
這是一種特殊的 Transformer 模型，通過自回歸從觀察 - 動作曆史信息中預測下一個動作，也就是模型的輸出（預測的動作）隻依賴于其輸入（觀察 - 動作曆史信息）中的先前信息。
具體來說，在處理 " 觀察 - 動作對 " 時，模型會将每個 " 觀察 - 動作對 " 作爲一個 token，并通過自注意力機制來學習這些 token 之間的關系。在自注意力計算中，模型會爲每個 token 分配權重，這些權重反映了在預測當前動作時，序列中其他 token 的重要性。
由于 Causal Transformer 限制了自注意力隻能考慮前面的 token，它能夠捕捉到序列中的因果依賴，即當前動作的決策是基于之前觀察 - 動作的曆史信息。
通過這種方式，Causal Transformer 能夠使機器人在複雜和動态的環境中，在沒有未來信息的情況下做出适應性更強的決策。
訓練階段，研究人員使用 Isaac Gym 模拟器進行大規模并行訓練，模拟了機器人的剛體和接觸動力學。
爲了模拟機器人的閉鏈動力學，引入了 " 虛拟彈簧 " 模型。在模拟中随機化機器人的動态屬性、控制參數和環境物理屬性，以及添加噪聲和延遲到觀察中。
從模拟到現實的轉移方面，研究人員在機器人初創公司 Agility Robotics 提供的高保真度模拟器中驗證策略，該模拟器準确模拟了 Digit 機器人的動态和物理屬性。
經過實驗，Digit 機器人能夠在多種環境中可靠行走，展現出對外部幹擾的魯棒性：
以及在不同地形和載荷條件下的适應性：
△左，腳被絆住；右，下坡
順帶保持手臂擺動協調有力，不順拐：
Digit 人形機器人
再來介紹一下 demo 中的這款人形機器人—— Digit。
背後公司 Agility Robotics，前身爲俄勒岡州立大學的 Dynamic Robotics Laboratory。2022 年，獲亞馬遜投資。
Agility Robotics 的主要産品是以鴕鳥等鳥類爲發想的雙足步行機器人，主要研發成果包含 Cassie、Digit 兩個機型。
其中 Cassie 是隻有下半身的雙足機器人：
至于 Digit，像是下面這個，已經成爲亞馬遜 75 萬機器人員工中的一員，不過還處于測試階段，負責搬運亞馬遜标志性的黃箱子：
Agility Robotics 表示，将在今年向合作夥伴交付第一批 Digit，Digit 的初步應用包括倉庫和配送中心内的散裝材料處理，預計 2025 年全面上市。
他們最近還宣布開設了一家新機器人制造工廠 RoboFab™，聲稱第一年預計生産數百台機器人，之後每年産能最多可達 10000 台。Digit 也将在新工廠中上崗，進行搬運、裝載等工作。
