Science Robotics最新綜述:6國(guó)頂尖機(jī)構(gòu)聯(lián)合梳理腿式機(jī)器人的進(jìn)展、挑戰(zhàn)與機(jī)遇

曾經(jīng)只存在于科幻敘事里的腿式機(jī)器人，如今已經(jīng)能把包裹直接送到住戶家門口，也能在搜救場(chǎng)景中鉆進(jìn)人類難以進(jìn)入的空間。國(guó)際權(quán)威期刊《Science Robotics》最新發(fā)表的一篇綜述，由蘇黎世聯(lián)邦理工、斯坦福大學(xué)、加州大學(xué)伯克利分校、愛丁堡大學(xué)、KAIST、NVIDIA、圖賓根大學(xué)、馬普所、牛津大學(xué)、莫納什大學(xué)等十余所頂尖高校和機(jī)構(gòu)的研究者聯(lián)合完成，系統(tǒng)盤點(diǎn)了腿式機(jī)器人在硬件、運(yùn)動(dòng)控制、自主性、數(shù)據(jù)與應(yīng)用五個(gè)維度的進(jìn)展，也罕見地把倫理、經(jīng)濟(jì)與政策一并攤開來談。

本文主要梳理這份綜述中清晰論述的內(nèi)容:我們是怎么走到今天的,還缺什么,接下來該做什么,以及世界可能因此發(fā)生什么變化。

01.

為什么非要裝腿：從"行走卡車"到動(dòng)態(tài)穩(wěn)定的六十年

技術(shù)上,腿式機(jī)器人的靈感來自動(dòng)物的生物力學(xué)。與輪子相比，腿可以跨越障礙、攀爬樓梯,同時(shí)提供主動(dòng)懸掛和動(dòng)態(tài)穩(wěn)定,而占地面積卻很小。空中無人機(jī)受制于短促的續(xù)航,并且在空中操作物體本身就很困難;腿式系統(tǒng)則能長(zhǎng)時(shí)間作業(yè)、承載重載,甚至完成精確的移動(dòng)操作。更重要的是,它們獨(dú)特的形態(tài)天生適合在以人為中心的環(huán)境中活動(dòng)。

這條路走得并不短。上世紀(jì)六十年代,液壓驅(qū)動(dòng)的通用電氣"行走卡車"(Walking Truck)是一臺(tái)遙操作平臺(tái),目標(biāo)是在復(fù)雜地形上搬運(yùn)重物;七十年代末的俄亥俄州立大學(xué)六足機(jī)器人成為數(shù)字控制的試驗(yàn)臺(tái);在日本,加藤一郎是關(guān)鍵人物,他開發(fā)的 WABOT-1 等早期人形機(jī)器人聚焦于打造全尺寸擬人機(jī)器。真正的范式轉(zhuǎn)折來自 Marc Raibert 的工作——研究重心從"靜態(tài)穩(wěn)定"轉(zhuǎn)向"動(dòng)態(tài)穩(wěn)定"。此后本田推出系列人形機(jī)器人,其中 P2 成為第一臺(tái)使用機(jī)載計(jì)算機(jī)行走的自持式雙足機(jī)器人,也是后來那臺(tái)家喻戶曉的 ASIMO 的前身。到了本世紀(jì)初,波士頓動(dòng)力的 BigDog 與 LS3 標(biāo)志著動(dòng)態(tài)穩(wěn)定四足機(jī)器的成熟。

而過去十年,能力、多樣性與可獲得性出現(xiàn)了爆發(fā)式增長(zhǎng)。

02.

硬件：讓關(guān)節(jié)能被反推，是這一輪爆發(fā)的起點(diǎn)

四足與雙足是最主流的兩種形態(tài)。四足機(jī)器人從靜態(tài)穩(wěn)定走向動(dòng)態(tài)穩(wěn)定,非常適合承載與操作任務(wù),目前部分四足平臺(tái)的負(fù)載能力可超過180公斤;人形機(jī)器人則擁有更大的操作工作空間,但由于更依賴動(dòng)態(tài)穩(wěn)定,其操作與行走都更具挑戰(zhàn)。

執(zhí)行器的核心要求是產(chǎn)生足夠高的力矩。跑動(dòng)時(shí)會(huì)產(chǎn)生巨大的關(guān)節(jié)力矩與地面沖擊力,這要求很大的關(guān)節(jié)力矩;而在與地面瞬時(shí)接觸的時(shí)刻,執(zhí)行器還必須迅速響應(yīng)巨大的沖擊。這些需求指向同一個(gè)結(jié)論:需要低機(jī)械阻抗、高可反驅(qū)性的高力矩執(zhí)行器——這與工業(yè)機(jī)械臂的設(shè)計(jì)取向完全不同。

歷史上的電機(jī)為了效率和制造便利被設(shè)計(jì)成高轉(zhuǎn)速輸出,力矩不足,只能配大減速比。但高減速比必然帶來摩擦、巨大的折算轉(zhuǎn)子慣量和更高的機(jī)械阻抗,結(jié)果是關(guān)節(jié)無法反驅(qū),沒有額外傳感器或機(jī)構(gòu)就做不了關(guān)節(jié)力矩控制,既容易被地面沖擊損傷,也限制了動(dòng)態(tài)運(yùn)動(dòng)能力。為此,串聯(lián)彈性執(zhí)行器(在齒輪組之后加入彈簧)被提出并進(jìn)入 StarlETH 等設(shè)計(jì),但柔性會(huì)降低控制帶寬:共振拉低了可實(shí)現(xiàn)的閉環(huán)剛度,高頻力矩跟蹤變差,而且難以建模。

液壓方案功率密度高,MIT 腿部實(shí)驗(yàn)室的早期機(jī)器人和波士頓動(dòng)力的 BigDog、Atlas 系列都把泵、閥與油箱集成進(jìn)機(jī)身,展示了極具沖擊力的動(dòng)態(tài)動(dòng)作。但液壓系統(tǒng)機(jī)械復(fù)雜、生產(chǎn)與維護(hù)成本高、效率低,還有噪聲和漏油等現(xiàn)實(shí)問題,興趣因此下降。

真正的轉(zhuǎn)折點(diǎn)是:用定制電機(jī)實(shí)現(xiàn)高力矩、可反驅(qū)的電驅(qū)動(dòng)方案——大氣隙半徑、短軸向長(zhǎng)度的電機(jī)拓?fù)?配合低減速比傳動(dòng)。這帶來了低機(jī)械阻抗和高反驅(qū)性;由于傳動(dòng)高度"透明",關(guān)節(jié)力矩可以近似為電機(jī)電流乘以力矩常數(shù)與減速比的線性關(guān)系,于是既不需要額外的力/力矩傳感器,也不需要復(fù)雜控制回路,就能做到精確、高帶寬的力矩控制。再加上執(zhí)行器設(shè)計(jì)的開源發(fā)布(如 Katz 的低成本模塊化執(zhí)行器),四足與人形設(shè)計(jì)隨之井噴,宇樹的四足與人形產(chǎn)品線、UCLA 的 ARTEMIS 都屬于這一設(shè)計(jì)哲學(xué)的產(chǎn)物。

與此同時(shí),傳感器小型化讓機(jī)器人得以"全身武裝":關(guān)節(jié)編碼器與慣性測(cè)量單元構(gòu)成本體感知,融合后可估計(jì)身體姿態(tài)與運(yùn)動(dòng);LiDAR 提供稠密三維點(diǎn)云,RGB-D 相機(jī)結(jié)合視覺與深度,用于地形建圖與環(huán)境重建,讓機(jī)器人能預(yù)判地形、規(guī)劃落足點(diǎn)、規(guī)避障礙;接觸與力傳感提供足-地交互信息,簡(jiǎn)單的二值傳感器可檢測(cè)觸地與離地,多軸力/力矩傳感器則量化地面反作用力與力矩,可用于改進(jìn)滑移檢測(cè)與意外碰撞識(shí)別。觸覺皮膚的研究有望讓機(jī)器人感知全身接觸、改善導(dǎo)航,但耐久性與集成難題限制了它的普及。

至于生物啟發(fā)的人工肌肉、腱驅(qū)動(dòng)、以及從剛性走向柔順形態(tài)的探索,綜述的判斷很客觀:潛力在形態(tài)緊湊、柔軟和力重比上,但制造、耐久與控制問題仍在,尚不足以進(jìn)入商業(yè)系統(tǒng)。

03.

運(yùn)動(dòng)控制：強(qiáng)化學(xué)習(xí)解決了四足行走，但沒解決雙足

傳感器更新率、任務(wù)延遲要求與算力需求的差異,自然導(dǎo)致了模塊化的控制結(jié)構(gòu):執(zhí)行器控制約200至1000赫茲,運(yùn)動(dòng)控制約50至200赫茲,而負(fù)責(zé)場(chǎng)景理解、規(guī)劃與導(dǎo)航的高層模塊通常低于30赫茲。

傳統(tǒng)方法把運(yùn)動(dòng)拆解成手工設(shè)計(jì)的技能。早期依賴靜態(tài)穩(wěn)定的質(zhì)心判據(jù),要求質(zhì)心投影嚴(yán)格落在支撐多邊形內(nèi);隨后零力矩點(diǎn)判據(jù)放寬了限制;線性倒立擺、彈簧負(fù)載倒立擺等降階模型的引入使動(dòng)態(tài)行走成為可能;模型預(yù)測(cè)控制進(jìn)一步實(shí)現(xiàn)了行走、跳躍與奔跑。但實(shí)時(shí)性要求限制了模型的表達(dá)能力,面對(duì)真實(shí)世界的隨機(jī)性與不確定性,魯棒性會(huì)打折,因此才有了關(guān)節(jié)級(jí)反射等啟發(fā)式手段。如今 MPC 更多地與強(qiáng)化學(xué)習(xí)結(jié)成混合系統(tǒng),在訓(xùn)練與部署中承擔(dān)長(zhǎng)時(shí)程規(guī)劃。

完全在仿真中用強(qiáng)化學(xué)習(xí)訓(xùn)練策略,已經(jīng)成為開發(fā)運(yùn)動(dòng)控制器與摔倒恢復(fù)策略的主流范式,它把數(shù)以千小時(shí)的仿真經(jīng)驗(yàn)蒸餾成一個(gè)魯棒策略,訓(xùn)練算法以 PPO 為主。

成功背后是一系列關(guān)鍵設(shè)計(jì):仿真環(huán)境要覆蓋部署時(shí)可能出現(xiàn)的狀態(tài);觀測(cè)空間被刻意限制,通常偏好幾何外感知而非 RGB 圖像;策略輸出執(zhí)行器位置目標(biāo)、再由阻抗控制轉(zhuǎn)成力矩,而不是直接預(yù)測(cè)力矩,這樣更利于探索。但真正的關(guān)鍵是彌合"仿真到現(xiàn)實(shí)"的鴻溝:執(zhí)行器模型的系統(tǒng)辨識(shí)讓策略得以零樣本遷移到真機(jī);域隨機(jī)化帶來對(duì)變化的韌性,代價(jià)是最優(yōu)性——學(xué)到的行為是一個(gè)"平均解",并非為特定機(jī)器人與環(huán)境定制;域自適應(yīng)策略學(xué)習(xí)則在線持續(xù)估計(jì)系統(tǒng)參數(shù),讓機(jī)器人適應(yīng)環(huán)境、更好應(yīng)對(duì)噪聲與不確定性。

值得注意的是規(guī)模:為了滿足嚴(yán)苛的實(shí)時(shí)要求并便于泛化與優(yōu)化,運(yùn)動(dòng)策略普遍使用低容量模型,如多層感知機(jī)或循環(huán)網(wǎng)絡(luò), 絕大多數(shù)參數(shù)總量在一千萬以下——與動(dòng)輒數(shù)十億參數(shù)的視覺、語言模型不是一個(gè)量級(jí)。

強(qiáng)化學(xué)習(xí)的老問題依然存在:需要大量獎(jiǎng)勵(lì)塑形(可借助對(duì)稱性先驗(yàn)、中樞模式發(fā)生器、約束強(qiáng)化學(xué)習(xí)、自動(dòng)課程設(shè)計(jì)緩解);PPO 的樣本效率低導(dǎo)致探索困難,于是出現(xiàn)了利用特權(quán)信息的師生方法;而離策略與離線強(qiáng)化學(xué)習(xí)等更省樣本的替代方案,在這個(gè)領(lǐng)域尚未被證明有效。此外,像速度跟蹤這樣的目標(biāo)本身可能過于死板,阻礙了跨越溝壑等復(fù)雜行為的涌現(xiàn),因此更稀疏的位置獎(jiǎng)勵(lì)、落足點(diǎn)跟蹤,以及用人類或動(dòng)物參考數(shù)據(jù)做模仿學(xué)習(xí),成為有希望的方向。把視頻或動(dòng)捕的參考動(dòng)作重定向到肢長(zhǎng)、質(zhì)量分布、自由度都不同的具體機(jī)器人身上,通常被建模為逆運(yùn)動(dòng)學(xué)優(yōu)化問題;離線重定向比實(shí)時(shí)重定向能獲得更高的物理真實(shí)性與動(dòng)作保真度,重定向后的動(dòng)作再由強(qiáng)化學(xué)習(xí)控制器跟蹤。模仿人類行為不只是簡(jiǎn)化獎(jiǎng)勵(lì)調(diào)參,還能提升社會(huì)接受度,讓人機(jī)交互更自然。

當(dāng)下的痛點(diǎn)很具體:很多方法需要流程復(fù)雜的多階段訓(xùn)練,而把多個(gè)技能或策略蒸餾進(jìn)單一策略仍是未解難題。形態(tài)選擇也存在根本性權(quán)衡:增加腿數(shù)提高協(xié)調(diào)難度但擴(kuò)大了恢復(fù)動(dòng)作的空間;四足減少了人形所需復(fù)雜連桿機(jī)構(gòu)帶來的機(jī)械復(fù)雜度;雙足依賴動(dòng)態(tài)穩(wěn)定,在崎嶇地形上格外困難,但占地面積更小,而且人形構(gòu)型便于規(guī)模化采集人類參考動(dòng)作數(shù)據(jù)。

安全性上,綜述坦率地指出:控制策略的驗(yàn)證與認(rèn)證仍是開放問題。漢密爾頓-雅可比可達(dá)性分析、控制屏障函數(shù)、李雅普諾夫穩(wěn)定性方法都有應(yīng)用,但"實(shí)踐中能實(shí)現(xiàn)的運(yùn)動(dòng)行為"與"能給出形式化安全保證的行為"之間仍有很大差距,尤其是在部分可觀與復(fù)雜非線性環(huán)境動(dòng)力學(xué)下定義"安全狀態(tài)"依然困難。

從平坦地形到崎嶇地形,再到不連續(xù)地形,如今的焦點(diǎn)正從純幾何感知轉(zhuǎn)向融入視覺與語義理解。人類用眼睛規(guī)劃接下來幾步的落足點(diǎn),把注視投向地形中最相關(guān)的區(qū)域,并解讀各種影響行走方式的線索。綜述為這一新興范式起了個(gè)名字:"靈巧語義化運(yùn)動(dòng)"(dexterous semantic locomotion)——機(jī)器人不僅要看幾何,還要預(yù)判與地形的交互(松動(dòng)的石塊、樹枝),理解環(huán)境以規(guī)劃精確細(xì)膩的運(yùn)動(dòng)響應(yīng),并在意自己施加于環(huán)境的力。

04.

自主性:分層拆解,還是端到端融合?

自主系統(tǒng)讓機(jī)器人真正會(huì)"自己走"。傳統(tǒng)做法是把任務(wù)分解為多個(gè)子系統(tǒng),用清晰定義的接口做分層數(shù)據(jù)處理。感知子系統(tǒng)讓機(jī)器人理解自身狀態(tài)與環(huán)境,其狀態(tài)估計(jì)可以包含接觸狀態(tài)、外力和地面反作用力。位姿與速度估計(jì)(即里程計(jì))一直是開發(fā)重點(diǎn),而腿本身就是傳感器,通過腿式里程計(jì)提供運(yùn)動(dòng)學(xué)信息;現(xiàn)代狀態(tài)估計(jì)依賴多傳感器融合,從運(yùn)動(dòng)學(xué)-慣性方案發(fā)展到相機(jī)、LiDAR、雷達(dá)等模態(tài)的互補(bǔ)集成。

腿式機(jī)器人的語義理解不止于幾何和標(biāo)簽,導(dǎo)航系統(tǒng)還必須把硬件和控制器納入分析——這就是可通行性估計(jì):給地形圖或占據(jù)柵格中的區(qū)域打分,評(píng)估機(jī)器人穿越的難易,分?jǐn)?shù)通常由人工標(biāo)注或自監(jiān)督訓(xùn)練的模型給出,可直接被傳統(tǒng)運(yùn)動(dòng)規(guī)劃器使用。但結(jié)構(gòu)化表征恰恰難以整合機(jī)器人狀態(tài)與本體感知信號(hào),這也催生了不顯式建立場(chǎng)景表征、而是學(xué)習(xí)前向動(dòng)力學(xué)模型來隱式編碼可通行性的工作。

用強(qiáng)化學(xué)習(xí)訓(xùn)練導(dǎo)航策略同樣有效,可以直接從原始傳感輸入或地圖表征中學(xué)習(xí)。不過,僅僅把導(dǎo)航模塊換成學(xué)習(xí)版本,導(dǎo)航與運(yùn)動(dòng)依然是解耦的,這限制了機(jī)器人在更復(fù)雜場(chǎng)景中的部署。

于是出現(xiàn)了另一種思路:融合模塊,打破分層信息處理、手工接口和啟發(fā)式表征的限制。機(jī)器人跑酷(parkour)是第一塊試驗(yàn)田——在有溝壑、高障礙、狹窄空間的不連續(xù)地形中奔向目標(biāo),傳統(tǒng)解耦極可能失敗,近期工作通過分層強(qiáng)化學(xué)習(xí)與潛在場(chǎng)景表征成功協(xié)調(diào)了不同運(yùn)動(dòng)行為。

在整個(gè)自主系統(tǒng)中,從語言學(xué)到的抽象正扮演關(guān)鍵角色,支撐對(duì)邊緣情況的推理與高層規(guī)劃;學(xué)到的語義表征以場(chǎng)景圖等多種記憶形式維護(hù),支持抽象概念與原始感知信息的分組與檢索。擴(kuò)散模型、視覺-語言-動(dòng)作模型和大行為模型已展現(xiàn)出泛化與靈巧操作能力,在大規(guī)模互聯(lián)網(wǎng)與機(jī)器人遙操作數(shù)據(jù)上預(yù)訓(xùn)練后,僅憑少量演示就能學(xué)到有效行為。但綜述給出了一個(gè)冷靜的判斷:目前基于模仿學(xué)習(xí)范式的導(dǎo)航方法,在魯棒性和可解釋性上仍落后于經(jīng)典方法,并且相比仿真中訓(xùn)練的強(qiáng)化學(xué)習(xí)策略,難以有效整合本體感知信息。

導(dǎo)航基礎(chǔ)模型讓人們能用自然語言給機(jī)器人下指令,展示了把原本分離的模塊融進(jìn)單一架構(gòu)的潛力。然而硬實(shí)時(shí)要求仍在持續(xù)塑造架構(gòu)設(shè)計(jì):各組件之間的最優(yōu)接口、控制頻率與功能邊界應(yīng)當(dāng)如何劃分,甚至是否需要?jiǎng)澐?仍在激烈爭(zhēng)論中。哪些先驗(yàn)應(yīng)該顯式寫進(jìn)系統(tǒng),哪些交給端到端的可擴(kuò)展學(xué)習(xí)目標(biāo)和海量數(shù)據(jù),也依然是開放問題。

05.

數(shù)據(jù):比自動(dòng)駕駛更貴、更難的一件事

數(shù)據(jù)是根本挑戰(zhàn)。腿式機(jī)器人的數(shù)據(jù)深度綁定于本體、傳感模態(tài)、驅(qū)動(dòng)動(dòng)力學(xué)與環(huán)境條件,高度多模態(tài)、經(jīng)常異步,還受到時(shí)間相關(guān)噪聲和系統(tǒng)延遲的影響。這使得大規(guī)模、可靠的數(shù)據(jù)采集異常困難,尤其是在機(jī)器人必須穩(wěn)健應(yīng)對(duì)的那條"長(zhǎng)尾"上。

GPU 加速仿真框架的進(jìn)步,讓消費(fèi)級(jí)硬件也能做大規(guī)模策略學(xué)習(xí)。仿真能快速生成帶特權(quán)監(jiān)督信號(hào)的數(shù)據(jù),但保真度與真實(shí)感往往以計(jì)算吞吐為代價(jià),物理建模與視覺渲染中的近似造成了 sim-to-real 域間隙。完美仿真依然遙不可及,但廣泛的域隨機(jī)化、學(xué)習(xí)殘差模型和精確的系統(tǒng)辨識(shí),已被證明能有效收窄這一間隙——因此絕大多數(shù)底層運(yùn)動(dòng)、導(dǎo)航和全身控制策略如今主要在仿真中訓(xùn)練,依賴本體感知信號(hào)和深度圖、語義圖這類中層視覺表征。

但仿真遠(yuǎn)不夠用。設(shè)計(jì)環(huán)境、建模系統(tǒng)不確定性以覆蓋足夠多樣的場(chǎng)景,仍是一個(gè)手工且脆弱的過程;足部纏入植被、在可變形地形上行走、語義豐富的雜亂環(huán)境,都還超出當(dāng)前仿真器的能力范圍。生成高保真 RGB 數(shù)據(jù)的算力代價(jià)很高,而更根本的瓶頸是模擬與視覺數(shù)據(jù)相對(duì)應(yīng)的正確物理交互,這最終導(dǎo)致了尚未解決的視覺sim-to-real鴻溝。

真實(shí)數(shù)據(jù)要么靠直接遙操作采集,要么間接來自人類或動(dòng)物示范。從視頻或動(dòng)捕系統(tǒng)提取的動(dòng)作參考為運(yùn)動(dòng)控制提供了寶貴先驗(yàn),簡(jiǎn)化獎(jiǎng)勵(lì)設(shè)計(jì)、穩(wěn)定模仿學(xué)習(xí)。而與自動(dòng)駕駛相比,腿式機(jī)器人的數(shù)據(jù)采集要昂貴得多——需要把機(jī)器人部署到復(fù)雜非結(jié)構(gòu)化地形,而不是馬路上。GrandTour 與 Sub-T 等數(shù)據(jù)集已開始填補(bǔ)空白,覆蓋從城市街道到森林與工地、不同光照與天氣的場(chǎng)景,但規(guī)模與多樣性仍遠(yuǎn)不及自動(dòng)駕駛,大規(guī)模部署中的數(shù)據(jù)完整性與校驗(yàn)也依然棘手。

未來的路徑已經(jīng)清晰:神經(jīng)渲染與神經(jīng)場(chǎng)景重建可能帶來大規(guī)模、高保真的照片級(jí)渲染與網(wǎng)格化;神經(jīng)增強(qiáng)物理引擎有望更好地刻畫復(fù)雜動(dòng)力學(xué)、覆蓋今天建模不佳的長(zhǎng)尾失效模式;可微仿真的改進(jìn)支撐更高效的學(xué)習(xí)算法;生成模型則有望自動(dòng)構(gòu)建多樣、語義豐富的環(huán)境,減輕人工工程負(fù)擔(dān)。同時(shí),腿式機(jī)器人更廣泛的部署(初期可能借助人工引導(dǎo)的遙操作)將自然擴(kuò)充真實(shí)數(shù)據(jù)集,形成類似視覺與語言領(lǐng)域的互聯(lián)網(wǎng)級(jí)訓(xùn)練范式。

一個(gè)容易被忽略的瓶頸是:大多數(shù) sim-to-real 研究依賴定制硬件,缺乏標(biāo)準(zhǔn)化的共享基準(zhǔn)與實(shí)踐,系統(tǒng)性比較很困難;而純仿真比較又無法體現(xiàn)策略遷移到真機(jī)的挑戰(zhàn)。解決它需要超出腿式機(jī)器人范疇的更大努力。

06.

它們已經(jīng)在哪里干活了

巡檢與監(jiān)測(cè)是四足平臺(tái)的主要商業(yè)場(chǎng)景。ANYbotics的ANYmal已部署于海上油氣設(shè)施,波士頓動(dòng)力的Spot被用于礦山以及包括核電在內(nèi)的能源設(shè)施的巡檢監(jiān)測(cè);工地的長(zhǎng)期安全與進(jìn)度監(jiān)測(cè)是另一個(gè)正在落地的挑戰(zhàn)性應(yīng)用。

農(nóng)業(yè)與林業(yè)這類開闊野外場(chǎng)景帶來額外難題——缺乏通信基礎(chǔ)設(shè)施、缺乏參考地標(biāo)、環(huán)境條件不斷變化,因此多數(shù)演示仍停留在科研項(xiàng)目中,例如農(nóng)業(yè)監(jiān)測(cè)、林業(yè)采伐與森林資源清查。這些部署都集中在四足平臺(tái)上,因?yàn)樗鼈兲焐热诵胃€(wěn)定。

配送近來成為新的商業(yè)應(yīng)用,瞄準(zhǔn)"最后一公里"。RIVR 等公司已在真實(shí)住宅完成包裹與餐食配送,展示了在多樣城市環(huán)境中結(jié)合遙操作與共享自主完成"貨車到門口"投遞的可行性。

始于 2022 年的"人形熱潮",目標(biāo)是把這些平臺(tái)送進(jìn)工廠,支撐制造與倉儲(chǔ)搬運(yùn)。盡管這在過去被視為腿式平臺(tái)"不合適"的任務(wù),私營(yíng)部門在打造能用同一套硬件軟件承擔(dān)多樣任務(wù)的通用機(jī)器人上進(jìn)展迅速;商用試點(diǎn)人形機(jī)器人承諾在2026 年于私人家庭環(huán)境中完成簡(jiǎn)單任務(wù)。

另一個(gè)長(zhǎng)期愿景是協(xié)助人類照護(hù)者完成日常生活活動(dòng)。人形形態(tài)便于融入家居環(huán)境、支持直覺交互,日本因人口老齡化在這一方向領(lǐng)先。但這個(gè)領(lǐng)域的主要挑戰(zhàn)不在移動(dòng),而在柔順操作、人身安全交互,以及場(chǎng)景與意圖理解。

國(guó)防與災(zāi)難響應(yīng)是另一條主線。軍事野外作業(yè)中"機(jī)器騾"搬運(yùn)重載的需求,正是 BigDog 與 LS3 的開發(fā)動(dòng)因,那一時(shí)期也產(chǎn)生了腿式平臺(tái)有記錄以來最大規(guī)模的野外部署。用人形機(jī)器人測(cè)試防化裝備的需求催生了 Atlas,它后來參加了 DARPA 機(jī)器人挑戰(zhàn)賽;該賽事聚焦災(zāi)難響應(yīng)任務(wù),啟發(fā)了消防等后續(xù)研究,但也暴露了當(dāng)時(shí)人形機(jī)器人的硬件與控制局限,促成了 2010 年代后期向四足等更動(dòng)態(tài)穩(wěn)定平臺(tái)的轉(zhuǎn)向。2019 至 2021 年的 DARPA 地下挑戰(zhàn)賽成為四足機(jī)器人成熟度的關(guān)鍵證明——它出現(xiàn)在幾乎所有決賽隊(duì)伍中。地下與戰(zhàn)斗環(huán)境的共同點(diǎn)是對(duì)自主決策的極高需求:無線電可能被干擾,地下也難以建立高帶寬通信;有線通信帶寬夠但范圍有限、易受攻擊。因此腿式機(jī)器人必須具備無需人在回路的高級(jí)自主能力。綜述也直言:軍事應(yīng)用是目前最清晰的商業(yè)化路徑之一,但這同時(shí)帶來了嚴(yán)肅的倫理問題。

在科學(xué)側(cè),四足與雙足機(jī)器人歷史上被用作理解運(yùn)動(dòng)的物理模型,如今其機(jī)動(dòng)能力使它們成為環(huán)境科學(xué)的數(shù)據(jù)采集工具(如土壤采樣)和野生動(dòng)物交互的監(jiān)測(cè)工具。空間與行星科學(xué)自上世紀(jì)六十年代起就是腿式機(jī)器人的關(guān)鍵用例:NASA 的 LEMUR 項(xiàng)目研究了腿式平臺(tái)在非結(jié)構(gòu)化環(huán)境中行走、爬行與攀爬的適用性;歐洲空間局"太空資源挑戰(zhàn)賽"展示了四足平臺(tái)如何為洞穴、隕石坑等輪式巡視器不適合的場(chǎng)景提供替代方案——但熱管理、能源管理與可靠性仍是重大挑戰(zhàn)。

藝術(shù)與娛樂也是天然舞臺(tái)。AIBO、QRIO、NAO 等消費(fèi)平臺(tái)被廣泛用于社交互動(dòng)與藝術(shù)表演;RoboCup 把研究挑戰(zhàn)與年度世界比賽結(jié)合,并啟發(fā)了 2025 年世界人形機(jī)器人運(yùn)動(dòng)會(huì)等新賽事。現(xiàn)代平臺(tái)的硬件與控制魯棒性提升,讓它們開始成為流行影視角色的實(shí)體載體——迪士尼的雙足機(jī)器人已成功在樂園與現(xiàn)場(chǎng)演出中部署,這也為探索超越行走和操作的表達(dá)性動(dòng)作打開了空間,而這對(duì)人機(jī)互動(dòng)與情感投入至關(guān)重要。

07.

倫理:大部分問題不新,但因腿而更尖銳

綜述明確指出:腿式機(jī)器人引發(fā)的倫理問題,大體上與其他機(jī)器人沒有本質(zhì)區(qū)別,但由于其可能的應(yīng)用場(chǎng)景,某些問題會(huì)以更強(qiáng)的力度出現(xiàn)。

機(jī)器人承擔(dān)傳統(tǒng)上由人完成的工作,會(huì)產(chǎn)生技術(shù)性失業(yè)風(fēng)險(xiǎn)。這值得惋惜,因?yàn)?某些)有酬勞動(dòng)也讓人有機(jī)會(huì)對(duì)社群做出有意義的貢獻(xiàn);崗位流失還可能擴(kuò)大社會(huì)與經(jīng)濟(jì)不平等,引發(fā)社會(huì)動(dòng)蕩——這些擔(dān)憂正是"全民基本收入"討論的由來。

更深一層的問題是:關(guān)于機(jī)器人如何發(fā)展、由誰決定,本身就是倫理與政治問題。如果一位政治家宣布要徹底改變社會(huì),公眾會(huì)要求參與決策;而工程師及其資助者絕大多數(shù)是男性、來自相對(duì)狹窄的社會(huì)人口背景,這就把"這些項(xiàng)目在多大程度上擁有民主授權(quán)"的問題推到了前臺(tái)。

人形機(jī)器人讓"機(jī)器人管家"的夢(mèng)想更近了一步,相關(guān)研究常以"人口危機(jī)"論證正當(dāng)性——未來照護(hù)老年人的人手會(huì)更少。但綜述提出兩個(gè)未被回答的問題:老年人是否愿意被機(jī)器人照護(hù)?機(jī)器人提供的"照護(hù)"能否滿足老年人的社會(huì)與情感需求?而在家庭、醫(yī)療與養(yǎng)老場(chǎng)景中,機(jī)器人傳感器所采集數(shù)據(jù)的訪問權(quán)與控制權(quán)問題格外尖銳。

給機(jī)器人裝上腿,可能擴(kuò)大它們?cè)趹?zhàn)爭(zhēng)中承擔(dān)的角色。批評(píng)者認(rèn)為,軍用機(jī)器人降低了殺戮的心理門檻,也降低了沖突的門檻;"自主武器系統(tǒng)"的使用會(huì)讓責(zé)任歸屬變得難以厘清,并侵犯敵方戰(zhàn)斗人員的人權(quán)。

還有一類問題關(guān)于我們自己。在機(jī)器人具備感受能力之前——如果那一天真會(huì)到來——人如何對(duì)待機(jī)器人,其倫理性質(zhì)取決于這揭示了我們的什么、以及如何影響他人。外形像人或像動(dòng)物的機(jī)器人更容易讓用戶產(chǎn)生情感聯(lián)結(jié),這可能帶來益處也可能造成傷害;當(dāng)機(jī)器人損壞或被摧毀、關(guān)系意外終止時(shí),人可能受到真實(shí)的傷害。反過來,若伴侶機(jī)器人鼓勵(lì)人們用與機(jī)器人的關(guān)系替代與人的關(guān)系,反而可能加劇社會(huì)孤立;而人從與機(jī)器人互動(dòng)中學(xué)到的東西,也可能影響他們對(duì)待他人和動(dòng)物的方式。踢一只機(jī)器狗所暴露的殘忍,和踢一臺(tái)機(jī)器人吸塵器并不相同;用戶虐待"女性"機(jī)器人,則傳遞出他們對(duì)真實(shí)女性的態(tài)度。

綜述特別提醒設(shè)計(jì)者關(guān)注機(jī)器人的種族與性別政治:歷史上機(jī)器人最初被構(gòu)想為"機(jī)械奴隸",因而被種族編碼為黑色;而當(dāng)代人形機(jī)器人的圖像——即使實(shí)物未必如此——幾乎總是白色或閃亮的金屬表面,暗示它們?nèi)缃癖环N族編碼為白色。"人造妻子"的幻想在機(jī)器人學(xué)史上扮演的角色,也讓性別政治變得復(fù)雜。機(jī)器人越是行走在我們中間,這些問題就越重要。

08.

政策與經(jīng)濟(jì)：從"會(huì)走"到"會(huì)社交"，可能只剩10到15年

腿式機(jī)器人既能在崎嶇地形作業(yè),又能進(jìn)入為人類雙腿設(shè)計(jì)的環(huán)境,這讓它成為工作自動(dòng)化的有力候選。當(dāng)前商用的"只會(huì)走路"的四足機(jī)器人價(jià)格區(qū)間約在 3 萬至 9 萬美元(2025 年),服務(wù)于配送、巡檢、娛樂和安防等細(xì)分市場(chǎng),受電池限制(90 分鐘至 6 小時(shí))作業(yè)半徑約 4 至 20 公里;而入門級(jí)小型四足與人形的起售價(jià)已分別低至 2700 美元和 4900 美元,提示著快速的商品化趨勢(shì)。能力的階梯式推進(jìn)——從只會(huì)走路,到制造業(yè)中的操作,到家務(wù)操作,再到具備社交能力從而進(jìn)入養(yǎng)老照護(hù)這類大市場(chǎng)——對(duì)應(yīng)著不斷攀升的市場(chǎng)潛力。

有研究估計(jì),美國(guó)47%的就業(yè)面臨來自新興技術(shù)(含機(jī)器人)的高自動(dòng)化風(fēng)險(xiǎn);也有研究發(fā)現(xiàn),每千名工人增加一臺(tái)工業(yè)機(jī)器人,會(huì)使工資下降0.42%。但綜述強(qiáng)調(diào)腿式機(jī)器人與工業(yè)機(jī)器人有明確差異:起初,它們更可能創(chuàng)造家用機(jī)器人、機(jī)器人最后一公里配送這類新市場(chǎng),這既源于新穎性,也源于其能力局限;然而隨著操作與社交能力增強(qiáng),它們可能成為人類勞動(dòng)的直接替代者。關(guān)鍵區(qū)別在于:工業(yè)機(jī)器人只影響制造業(yè)約 7.5% 的勞動(dòng)者,而腿式機(jī)器人有潛力沖擊服務(wù)業(yè)——后者在一些發(fā)達(dá)經(jīng)濟(jì)體中占用了約 80% 的勞動(dòng)力。

全球監(jiān)管路線正在分化。歐盟《人工智能法案》自 2024 年 8 月生效,按風(fēng)險(xiǎn)等級(jí)分類,對(duì)高風(fēng)險(xiǎn)應(yīng)用要求廣泛合規(guī);日本"社會(huì) 5.0"采取推動(dòng)姿態(tài),投資打造機(jī)器人協(xié)助養(yǎng)老與制造的"超智能社會(huì)";中國(guó)結(jié)合積極的產(chǎn)業(yè)政策與明確目標(biāo),工業(yè)和信息化部提出 2025 年實(shí)現(xiàn)人形機(jī)器人批量生產(chǎn)、2027 年達(dá)到世界領(lǐng)先;美國(guó)則缺乏綜合立法,依賴分行業(yè)指引。

這種分化在經(jīng)濟(jì)上很可能是重要的。國(guó)際機(jī)器人聯(lián)合會(huì)報(bào)告稱,全球有 428 萬臺(tái)工業(yè)機(jī)器人在運(yùn)行,其中中國(guó)安裝 276,288 臺(tái)(占全球總量 51%),亞洲占全部部署量的 70%;中國(guó)的工業(yè)機(jī)器人密度已達(dá)每萬名員工470臺(tái),超過德國(guó)與日本,而亞洲與西方機(jī)器人平臺(tái)之間存在實(shí)質(zhì)性價(jià)差。這些事實(shí)表明,協(xié)調(diào)一致的國(guó)家戰(zhàn)略與本土供應(yīng)鏈能帶來競(jìng)爭(zhēng)優(yōu)勢(shì)。

綜述提出四項(xiàng)政策優(yōu)先事項(xiàng)。其一是基于能力的監(jiān)管:要求應(yīng)隨機(jī)器人能力提升而升級(jí)——只會(huì)走路的系統(tǒng)監(jiān)管可最小化,特定領(lǐng)域操作能力適度監(jiān)管,通用操作與社交能力則需全面監(jiān)管;這既避免扼制創(chuàng)新,又能在風(fēng)險(xiǎn)上升時(shí)保障安全;歐盟的風(fēng)險(xiǎn)分級(jí)提供了基礎(chǔ),但可能需要校準(zhǔn),以免讓西方制造商在與亞洲競(jìng)爭(zhēng)者的較量中處于劣勢(shì)。其二是國(guó)際協(xié)調(diào),當(dāng)新能力帶來安全風(fēng)險(xiǎn)時(shí)尤為必要,其中必須特別提及"致命性腿式機(jī)器人"的可能,聯(lián)合國(guó)自主武器框架提供了治理范本,而國(guó)際標(biāo)準(zhǔn)也須持續(xù)擴(kuò)展。其三是戰(zhàn)略性產(chǎn)業(yè)政策:西方國(guó)家若不干預(yù),存在技術(shù)依賴風(fēng)險(xiǎn);但支持重點(diǎn)應(yīng)是研發(fā)投入、制造基礎(chǔ)設(shè)施與技能培養(yǎng),而非保護(hù)主義。其四是前瞻性勞動(dòng)力計(jì)劃,必須認(rèn)識(shí)到調(diào)整窗口被壓縮了——不同于以往橫跨數(shù)代人的自動(dòng)化浪潮,從"機(jī)器人會(huì)走"到"機(jī)器人具備社交能力"這一進(jìn)程可能只需 10 到 15 年,因此需要在每個(gè)能力階段識(shí)別并培養(yǎng)與之互補(bǔ)的人類技能:今天是機(jī)群管理與技術(shù)支持,明天是人機(jī)團(tuán)隊(duì)協(xié)作。

09.

結(jié)論：四足行走已解，前沿轉(zhuǎn)向語義、靈巧與治理

綜述最后給出的判斷相當(dāng)明確。

在硬件上,由電磁驅(qū)動(dòng)推動(dòng)的腿式硬件已成熟到具備廣泛適用性。四足機(jī)器人已在多家公司實(shí)現(xiàn)商業(yè)化,形態(tài)與設(shè)計(jì)正在收斂;人形硬件在學(xué)術(shù)、政府與產(chǎn)業(yè)投資激增下快速演進(jìn),多種競(jìng)爭(zhēng)性設(shè)計(jì)并存,量產(chǎn)已在進(jìn)行或計(jì)劃于2026年落地。

在算法上,強(qiáng)化學(xué)習(xí)讓四足行走成為一個(gè)可解的問題,在地形幾何已知時(shí)能跨環(huán)境穩(wěn)定工作,而前沿已轉(zhuǎn)向語義理解與靈巧交互。對(duì)雙足機(jī)器人而言,純反應(yīng)式行為不夠——許多任務(wù)需要精確落足與細(xì)致的環(huán)境理解。應(yīng)對(duì)這些挑戰(zhàn),可能需要重新思考 sim-to-real 范式,超越剛體仿真,發(fā)展新的學(xué)習(xí)型控制算法;而由于這些"靈巧性"問題與操作領(lǐng)域高度同構(gòu),跨領(lǐng)域互相促進(jìn)的機(jī)會(huì)也隨之打開。

在自主性上,它是釋放巨大經(jīng)濟(jì)與社會(huì)價(jià)值的基礎(chǔ),而它將由學(xué)習(xí)與數(shù)據(jù)驅(qū)動(dòng),超越遙操作和脆弱的啟發(fā)式方法。通向自主與通用機(jī)器人的核心未解難題,是如何從多樣數(shù)據(jù)源中學(xué)習(xí)、并注入恰當(dāng)?shù)臍w納偏置以應(yīng)對(duì)真實(shí)世界的復(fù)雜性——這將決定未來部署的自主架構(gòu)長(zhǎng)什么樣。此外,持續(xù)的投入加上其通用屬性,讓腿式機(jī)器人處于一個(gè)獨(dú)特位置:彌合數(shù)字AI智能體與物理世界之間的鴻溝,為智能在真實(shí)交互中"落地"提供基礎(chǔ)。

綜述也提醒了一個(gè)反直覺的觀察:今天很多人形機(jī)器人在平整廠房地面上的工業(yè)應(yīng)用,其實(shí)并不需要高級(jí)移動(dòng)能力,但這些部署可以是通向通用機(jī)器人的重要第一步;當(dāng)規(guī)模經(jīng)濟(jì)與量產(chǎn)疊加上來,這類機(jī)器人甚至可能在最初看起來不合邏輯的應(yīng)用中成為可行方案。

而在技術(shù)之外,作者的態(tài)度很克制也很堅(jiān)決:要安全負(fù)責(zé)地把這項(xiàng)技術(shù)引入社會(huì),需要基于能力的政府監(jiān)管、國(guó)際協(xié)調(diào)、戰(zhàn)略性產(chǎn)業(yè)政策與前瞻性勞動(dòng)力計(jì)劃;倫理考量必須體現(xiàn)在立法之中;開發(fā)者與研究者應(yīng)對(duì)腿式機(jī)器人可能引入的隱性偏見與潛在危害保持警惕。歸根結(jié)底,我們必須認(rèn)真面對(duì)那個(gè)關(guān)鍵問題——誰擁有開發(fā)、部署與控制這些技術(shù)的權(quán)力。

論文地址：

https://www.science.org/doi/10.1126/scirobotics.aee0787