1950 年，英國數學家艾倫 · 圖靈提出，當一個測試者與一個計算機程序進行對話，如果測試者無法區分程序的回答是由人類還是計算機生成的，那麽該計算機程序被認爲具備與人類智能相當的能力。
這便是 AI 領域赫赫有名的圖靈測試。在通用足式機器人領域，也有類似的測試：如果機器人能夠在任意情況下抓取任意的杯子，那麽該機器人便具備了真正的運動智能。
要通過這個測試非常困難，其中，機器人必須具備極強的感知能力，與環境進行實時交互，不斷調整運動控制，才有可能完成任務，整個 " 感知到控制 " 的閉環是完全實時、動态、無法預先設定的。
通用足式機器人公司逐際動力創始人張巍直言，機器人要通過類似測試，" 比自動駕駛還難 "。原因在于，自動駕駛僅解決移動（mobility）的問題，即從 A 點到 B 點，隻需要位置關系的感知；足式機器人在此基礎上，還增加了接觸關系感知，比如地形感知、觸覺感知。機器人必須要通過這兩種感知做實時交互，實現移動，然後執行操作（manipulation），才能被稱之爲運動智能。
現階段四足機器人的窘境在于，多數機器人處于「弱感知」階段，隻有微弱的感知或者用了少量數據，甚至是沒有感知，行動能力十分受限，效率不高且通過複雜場景的魯棒性較低。
張巍表示，機器人的核心是運動，包括 " 腿 " 的移動和 " 手 " 的操作。而運動智能化的核心來源于感知，這類感知指的是基于複雜場景的實時感知。機器人基于實時感知進行決策、控制，完成整個運動的閉環。
技術「躍變」：從被動輸入數據到主動感知交互
移動機器人按照移動結構可大緻分爲兩類：以底盤爲重心的輪式，與動物和人類相似的足式（四足、雙足）。
輪式機器人主要在結構化道路上進行運動，典型的如酒店配送機器人。這類機器人技術已經非常成熟，各大細分賽道已經出現了許多明星公司。但輪式機器人的不足之處在于，地形的适應能力較差，很難克服樓梯、凹凸不平的路面、野外等非結構化的場景；并且，輪式機器人有一個比較重的底盤，來支撐機身保持穩定，但這個底盤除了承重和搭載傳感器以外，能夠執行的任務比較有限。
張巍告訴雷峰網，如果機器人要像 " 人 " 一樣提供各種服務，腿的結構至關重要，因爲 " 有腿的機器人末端自由度更高 "。而且機器人必須具備實時調整重心的能力，保持平衡，提高負載自重比，才具備複雜場景運動的基本能力，這是輪式機器人沒辦法做到的。
基于此，張巍認爲，未來的機器人會往兩個方向發展。一個是「專用機器人」，即單一或者簡單場景下，機器人能夠根據人設定的流程代替人高效地執行任務，比如工廠的 AGV/AMR、配送機器人等等。另一個則是「通（多）用機器人」，即機器人要滿足複雜地形、場景，執行多種任務。
現階段，「專用機器人」已經殺成一片紅海，不論是送餐、酒店，還是工廠，都已經出現了許多機器人公司，從拼技術到卷價格，最終到渠道和服務，已經漸漸跑通商業閉環。而足式機器人才剛剛起步，即便四足、雙足機器人已不是新鮮事物，但市面上還沒有一款真正具備智能的足式機器人産品。
這一現象的本質原因，在于當前的足式機器人缺少「感知」。
" 機器人本質上是理解用戶指令，然後根據機器人收集的環境信息，讓電機轉起來，實現運動控制。" 張巍表示，要實現精準高效的控制，這與環境感知密不可分。
舉個例子，足式機器人要上下樓梯，需要知道樓梯與自身的相對位置（實時）、什麽地形、踩哪兒、用多少力 ... 在這些感知信息的基礎上，自主規劃路線、姿态等等，整個過程都是動态的，而非預先設定的運動控制。
機器人實際上是通過感知來理解環境，再通過關節來産生作用力，實現控制運動，所有的運動都會有環境反饋。這裏面既有位置關系的感知，也有接觸式感知，将二者完美融合起來的難度非常之大。并且，機器人與環境交互需求越大，根據實時感知環境來重新規劃動作（而不是按照事先預設流程）就越難，本身的控制和穩定性問題會更難。
簡單而言，足式機器人必然要與環境産生感知交互，對應的任務不是提前設置好的動作流程，直接進行 replay，而是根據現場情況進行動态感知，并實時規劃動作。
張巍表示，機器人要 " 類人 "，一定要跟環境交互，否則就沒有智能而隻是一個機器，很難産生真正的價值，實現商業閉環。但是，從環境感知到運動控制，這又是一件非常難的事情。
當前四足機器人的兩個瓶頸：效率、穩定性
相當一段時間裏，足式機器人都默默無聞。直到來自 MIT 的 Patrick Wensing 和 Benjamin Katz 分别開源了兩套影響深遠的方案之後，越來越多的玩家躬身入局，越來越多的機器狗從實驗室走向公衆視野，這個行業才漸漸被看到，接着有了資本助力，産品開始落地到具體場景。
雖然現在不少機器狗可以行走、爬樓梯甚至跳舞、翻跟鬥，但從做一個 demo 展示到實際量産甚至落地到具體、複雜的業務場景，仍然會遇到兩個問題：效率低，以及穩定性弱。
比如，機器狗在通過非結構化地面時，速度不高，而且缺乏穩定性，容易 " 趴窩 "。
張巍認爲，這一問題的本質，甚至是足式機器人還沒有很好的商業化落地的原因之一就在于，這些機器人缺少 Perceptive Locomotion（基于感知的運動控制）。沒有感知，意味着機器人的運動失去了 " 眼睛 "，隻能靠盲走，就像閉上眼睛的人直立行走，一定會走得歪歪斜斜，因爲缺少感知來實時調整路線。
當前，機器人的控制主要有兩種方法，一種是基于模型（Model）的控制，一種是基于學習（Learning）的控制。這兩種方法都是爲了解決同一個「最優控制」的問題，控制機器人的本體以最好的姿态高效、高質量地完成動作，卻也有不同之處。
"Model 是用解析模型做推演、設計控制；Learning 是減少使用 Model 的顯性表達，用仿真器來預測控制的效果。實際上，Learning 本質上也是基于模型的，仿真器都是基于模型設計，但是更側重于強化學習，需要機器人反複叠代、試錯來改進其控制器。"
打個比方，在高空飛行的飛機，從 A 點到 B 點，可以用一個固定的模型來解決；但如果機器在低空環境中飛行，會遇到建築物、動植物、飛行物等複雜場景，機器人需要自己辨别障礙物是什麽、怎麽避開、怎麽實現控制等，就需要 Learning。
換句話說，複雜場景的感知交互，一定要用到 Learning。機器人需要把各種傳感器（攝像頭、IMU、雷達）的數據融合起來，先構建一個高精度地形圖，然後定位、規劃行走，行走過程中不斷進行感知，實時調整運動控制。
現階段，機器人行業專注于基于感知的運動控制的有 Boston Dynamics、Anybotics、逐際動力 LimX Dynamics 等。Boston Dynamics 是業内最領先的足式機器人公司，而逐際動力也正在進行追趕，并走了一條差異化路線。
張巍告訴雷峰網，逐際動力既有 Model-based 的控制，也有 Learning-based 的控制，這兩種方法有各自适合的任務，通過模型數據混合的方式來做叠代。
在足式機器人的功能方面，逐際動力的路線是，首先完成腿部的基本功能，例如高效穩定地上下樓梯、穿越複雜地形；然後攻克全身運動的問題，即運動 + 操作；最後将産品打磨足夠穩定之後，針對細分場景進行作業。
目前，逐際動力已經可以實現帶感知的運動控制，雖然成熟度上相對于 Boston Dynamics 還有待提高，但能力已經接近。在陡峭的、真實的镂空的工業場景下，逐際動力的機器人已經可以實現穩定的上下樓梯，以及克服草地石闆路、斜坡等各類場景。
逐際動力：先打造全地形移動底盤，做 " 地面的大疆 "
張巍本科畢業于中國科技大學自動化系， 2005 年開始在美國普渡大學攻讀博士學位，研究基于模型的混雜動态系統的控制（Hybrid Dynamical System）。
博士後期間，張巍加入了加州伯克利分校的 Hybrid System 實驗室，導師爲美國工程院院士 Claire Tomlin 和 Shanker Sastry ，該實驗室的著名人物還包括李澤湘、馬毅等。
2011 年 9 月，張巍加入俄亥俄州立大學，在電氣與計算機工程系先後擔任助理教授和長聘教授，繼續從事混雜動态系統控制的研究和教學。值得一提的是，MIT 開源方案核心人物之一的 Patrick Wensing，彼時也還在俄亥俄州立大學學習機器人與控制理論。直到 2014 年，Patrick Wensing 才前往 MIT 仿生機器人實驗室，負責足式機器人的控制算法。
張巍認爲，機器人的足在踩踏地面時，是一個離散事件，并且速度和系統狀态會發生跳變，本質上就是 Hybrid Dynamical System。如何系統地控制這類運動，是張巍一直在研究的課題。
2019 年 5 月，張巍回國加入南方科技大學，擔任機械與能源工程系教授，創辦了機器人控制與學習實驗室（CLEAR LAB），并指導學生開始以強化學習的方式訓練足式機器人，并于三年後下場創業，成立了逐際動力。
張巍告訴雷峰網，逐際動力是通用足式機器人公司，先要解決機器人的核心痛點：全地形移動能力，即像人一樣移動，人能去的地方，機器人都能去。
鑒于當前四足機器人欠缺複雜場景移動能力、效率低能耗高的等問題，逐際動力對機器人進行了「系統升級」，包含兩方面，一是以感知爲核心的運動控制，二是将足式和輪式的優點結合，形成輪足式。
" 逐際動力要解決的是複雜場景下，四足機器人從 A 點穩定快速地到 B 點。至于機器人的使用場景，是巡檢、配送，還是裝了機械臂做更複雜的工作，将結合客戶本身的業務去做落地。"
就像大疆的無人機，在天空上飛來飛去，客戶可以用來拍照、撒農藥，也可以用來巡檢、表演，而逐際動力打造的是 " 地面的大疆 " ——全地形移動底盤，并推出了首款四輪足産品 W1。
W1 基于逐際動力「運動智能 Motion Intelligence」研發，将腿式和輪式結構相結合，具備實時地形感知與全地形移動能力，在效率上比單純的足式機器人更高效，适用場景也更加豐富、複雜，可以實現上下樓梯、斜坡、伏地穿越、過草地石闆路等功能。
張巍表示，四足機器人已經有足夠的技術積累，基礎研究與商業化的交集業已出現。現階段能落地并産生價值的，首先是封閉場景，例如危險、複雜的工業環境，代替人的工作，這類環境比較可控，機器人能很快适應；開放場景存在的不可控因素太多，比如人爲幹擾、突發事件等，不太容易落地。
因此，逐際動力計劃首先将 W1 在固定路線上落地，如工業巡檢、物流配送、特種作業等場景，并持續打磨産品；在固定路線跑通後，再逐步嘗試開放場景，循序漸進，最終打通四足機器人的廣泛應用。
機器人，大時代
從世界第一台機器人誕生至今，機器人的發展已接近百年曆史。每一次技術革命都将給機器人的發展帶來強大的助推力：能源、信息、大數據、芯片、人工智能 ... 都推動了機器人持續進化，從簡單的模仿到惟妙惟肖，從實驗室走向生産生活，從不能行動到穩定行走，從輪式到四足再到雙足。
如今，機器人已經以各種形态融入人們的生産生活，比如掃地機器人、工業機器人。雖然現階段的機器人還比較 " 笨 "，距離通過 " 圖靈測試 " 還有很長一段距離。不過，技術本身是「湧現」出的，誰也無法預測這個「奇點」。
但無可争議的是，正如人的進化史一樣，機器人也在慢慢進化，且終将迎來一個新的時代。
雷峰網長期關注機器人行業報道，即将推出《中國足式機器人簡史》。讀者若有一手信息、觀點、故事、項目，歡迎添加作者微信 nanshu0126 交流。
