國産機器狗圈殺出一位新秀：
一隻純四輪足設計的機器人來了。
不整花活，這隻橙黑色小狗能從最樸素的場景中展示出它超凡的運動能力。
先給您來一段靈氣十足的 " 前後搓腳 "：
上下樓梯？穩步如飛，并且不需要地形圖，完全靠感知搞定：
面對一段斜坡，除了身體與坡平行，它還能身體與地平行（右）：
穿越障礙時，更是毫不費力化身 " 變形金剛 "，伏地前進：
不得不說，如此靈活的商用輪足機器狗，确實很少見。
輪腿優勢合二爲一
如上這隻小狗，名叫W1，來自通用足式機器人公司逐際動力LimX Dynamic。
W1 本周一正式對外發布，并從下個季度就可以開始預定。
它的落地領域是 2B，實打實地要進廠幹活。
所以也沒整什麽翻跟頭跳舞的花活，全部是各種地形演示。
除了上面那些，過單邊橋、上馬路牙子、磕磕絆絆的草地石闆和碎石路，也都是小菜一碟（共計 8 種地形）。
Ps. 尤其是這個單邊橋操作，W1 需要一邊腿在橋上，一邊腿在地上，但身上的水瓶可以說紋絲不動。
如您所見，W1 和一衆機器狗最大的區别就是輪足設計。
并且不同于騰訊 Max 機器狗在關節處安輪子的方式，W1 直接将普通的原始足部換成了四個非常顯眼的圓輪。
爲什麽這麽做？
逐際動力創始人張巍博士解釋：
目前普通四足機器人落地的一大限制因素是續航，因爲不管面對什麽地形，它都隻能一步一步地蹬地前進。
而這可以說是非常耗電。那麽在實際工廠中，它可能動不動就 " 趴窩 " 了。
另一方面，續航上不去，四足機器人的負載也會極其受限。
給機器狗安上四個大輪子，大幅提升它的移動效率，可以一并解決這些痛點。
不過，輪足混合帶來的挑戰（例如感知幹擾、狀态估計和運動控制）卻是成倍增加的，并且市面上還沒有特别成熟的解決方案。
具體而言，張巍博士介紹：
首先在硬件上，無端多出四個輪子的電機，每一個電機都有各種走線，各方面的驅動都要加上去，内部的布局都要重新設計。
但最難的還是控制算法。
如果我們隻是加上輪子把它當車開，這件事還算簡單。
但實際我們需要把輪子融合在四足機器人的整體裏，進行全身控制，就像視頻演示中所顯示的，很多動作必須得全身、輪子、腿、姿态一起合作完成。
除了輪足融合，W1 機器狗的另一大挑戰是基于地形的實時感知能力。
在這裏，張巍博士重點介紹了它與自動駕駛感知相比最大的兩個難點。
首先是在精度上。
自動駕駛感知的是障礙物及周圍環境，目的是不要碰到；四足機器人則要非常精細地規劃出每一步要踩到哪裏，怎麽踩下去，使用多少力。這個精度至少爲厘米級，而自動駕駛避開障礙物不超過 10-20 厘米就夠了。
其次是實時性。
四輪足機器人需要控制輪子的轉速有多快，而這需要實時地、根據當時的感知反饋（比如腳踩的是什麽地形）來計算出，可謂相當複雜。相反，自動駕駛的感知不涉及到輪子的控制。
盡管挑戰很大，W1 團隊還是利用他們在地形感知、強化學習、多剛體動力學、混雜動力學、模型預測控制等領域的學術和研發經驗，開發出了感知與控制融合的算法框架，最終在 W1 身上實現了高穩定性、強實時性的控制能力。
例如上下樓梯這一場景，它正是完全靠感知而非盲爬才得以如此穩健。
所謂盲爬，可以理解爲設定好了程序，然後靠記憶重播爬樓動作實現上樓，這個過程完全不涉及感知。
也就會導緻爬得不穩、不流暢，換一個高度的樓梯就更難完成了。
而有了感知，它才能确保每一步都踩在樓梯的中間。
國産機器狗新秀，要做 " 地面的大疆 "
W1 背後的逐際動力，成立于 2022 年，base 深圳，已完成天使輪融資。
盡管成立時間算年輕，但其實技術積累很深厚——
它是南科大産學研背景下孵化出來的一家機器人企業。
此前就在網上發布了很多機器狗相關的算法成果。
比如難度系數拉滿的正面下樓梯：
他的創始人張巍則博士畢業于普渡大學電氣與計算機工程系（本科是中科大）。
他從2005 年就開始從事機器人算法相關的研究，自 2011 年開始在俄亥俄州立大學電氣與計算機工程系任助理教授（現在已爲終身教授），并于 2019 年回國加入南科大。
對于逐際動力的首款四輪足機器人，張巍博士強調：
W1 并不是一個行業裏的專機，我們要做的是一個通用型平台，可以說是" 地面的大疆 "。
即和大疆無人機一樣，我們要在地面上實現，無論什麽地形，我們都能穩定地從 a 到 b。
具體從 a 到 b 這個過程中，機器人需要做什麽操作，其實跟行業相結合有非常廣泛的應用空間，我們要解決的就是一個全地形移動的平台。
而對于 W1 的商業化路徑，張博士也透露：
第一步是固定路線的巡檢，因爲這個任務技術成熟。
至于目前的定位爲什麽還是移動平台，他表示：
機器人本質上就解決兩個能力，一個是移動，一個是操作。
在移動能力上，我認爲四足機器人現在是沒有完全解決的，即還沒有做到全地形 + 敏捷移動。這就是我們爲什麽想成爲 " 地面的大疆 "。
至于操作能力，則要跟機械臂扯上關系。
最後，被問及現在最缺什麽人才時，張博士脫口而出：
懂硬件的 AI 人才。
