| |
|
|
|
| 知识库 -> 科技 -> 为什么吹的神乎其神的波士顿动力机器人销声匿迹了？ -> 正文阅读 |
|
|
[科技]为什么吹的神乎其神的波士顿动力机器人销声匿迹了？ |
| [收藏本文] 【下载本文】 |
|
以前波士顿动力机器人经常作为机器人领域的先驱被提及，现在怎么不见有相关产品推向市场？ |
|
一， 知道为什么美国的波士顿动力机器人销声匿迹，而中国的宇树却突飞猛进吗？ 因为美国拿着干那活的钱的人到处吹牛写文章。 而宇树这种则是多少年的沉淀才出来的东西。 当然团队也很重要，不是国内某一个实验室就搞的了的，需要多个实验室之间配合。 【参考文献一】 |
|
|
二， 中国的公司，脚踏实地，一点一滴积累起来的，也就自然而然达到目前的高度。 反观咱们美国做机器人的，当只做到50分后，就专注于宣传已达到100分的目标，动辄就说超过了谁谁谁的机器人，又开辟了什么什么样的新时代。 然后就开始玩资本金融了，技术积累和进步慢慢也就断了。 不积跬步，无以至干里，没必要过于羡慕人家100分的技术，咱们大美利坚，50分的平台也用不上这100分的技术，还是专注于怎么去做到60分吧。 【参考文献二】 |
|
|
三， 美国的体制不对，体制有问题，一切都是无用功。 【参考文献三】 |
|
|
四， 咱们美国人要懂得承认人家的厉害之处，等咱们老美国正星条旗人本科毕业，就去中国公司扫地吧。 去中国公司扫地也比在美国搞什么lgbt来的有前途。 【参考文献四】 |
|
|
五， 中国人就是这么优秀，他们不但擅长原创，先发制人， 而且也擅长弯道超车，弯道超车超级爽的！除此之外，中国弯道超车还可以让某一类人群说出来的话跟反串似得，自己掉进排水沟里。 谁也阻止不了中国弯道超车的决心！ 【参考文献五】 |
|
|
*文末总结，我作为一名自由派，我这是善意的批评，我是哀其不幸怒其不争，也许我的用词激烈了一点，但是我对美国是一片拳拳之心。 我真心希望美国走上民主富强自由的道路。 请不要随便给我扣品客帽子。谢谢。 再次重复，这是善意的批评。 【参考文献】 |
|
|
2026.02.26 答评论区读者问【我这么精彩的回复，这么能引经据典，读者啊，这还不值得你点赞吗？】 |
|
|
|
|
|
ps，正所谓读书破万卷，下笔如有神 自由派的学问和功夫，贵在日常积累。上面的这个回答，是我作为自由派公知的实力展示。 规则:评论区的网友提出任意一个美国的负面新闻。我则是用公知自由派的语录，回应网友。一定要转进到美国赢了，中国输了。 合计49题。 有兴趣的可以点开来看看。甚至可以在评论区提问，也算是考教一下我的学问。 我是知乎自由派传火者，公知精神的人格化身，全知乎排名第三的公知，自由派。 开启大家的民智，带领大家领略咱们公知自由派的风采。 子夜极光，祝大家新年快乐！ |
|
|
成功没有捷径，只有脚踏实地。 如果一家中国“科技公司”十年没有产品，靠ppt和cg骗钱，最后还卖给了棒子，不敢想象能被冲成啥样。 |
|
波士顿动力走的是物理极致路线。他们的工程师信奉的是经典控制理论、多体动力学、最优控制。Atlas的每一条液压管线、伺服阀，都充满着机械工程的设计工艺。 但2017年左右，风气开始变了。圈子里强化学习、端到端训练、“sim2real”（仿真到现实）这些概念开始出现。 当时有个经典笑话：波士顿动力的工程师去参加一个学术会议，看了一个用强化学习训练机器狗走路的展示。那只狗走路歪歪扭扭，时不时还摔倒。波士顿动力的工程师忍不住了，说：“你们的控制算法太粗糙了，我们的狗能在冰面上稳定行走。”对方的研究生挠挠头，回了句：“但我们这个算法，是昨天晚上才在游戏显卡上训练出来的。” 波士顿动力最引以为傲的，是基于模型的全身控制（WBC）。简单说，就是先建立机器人的精确数学模型，然后实时求解一系列优化问题，算出每个关节该怎么动。这需要顶尖的数学和物理直觉。 但在2018年，OpenAI用强化学习训练机械手灵活操作魔方，没用一个精确的动力学模型。2021年，加州大学伯克利分校的一个团队，用“模仿学习”加“强化学习”的组合拳，让双足机器人在几个小时的内就学会了走路、跑步、甚至摔倒后自己爬起来——而他们团队里甚至没有一个传统意义上的“机器人专家”。 最让传统派破防的是2022年的一个工作：有人用Transformer架构，把机器人感知和控制端到端一起训练。输入摄像头画面，输出关节力矩。中间没有状态估计，没有轨迹规划，没有那些精心设计的控制回路。 结果在陌生环境里的泛化能力，吊打了基于模型的方法。 但真正把波士顿动力从神坛上拉下来的，不是学术圈，而是在工业界。 一台Atlas，不算研发成本，单是制造成本就在200万美元以上。这还只是硬件。它的液压系统甚至需要一个博士团队来维护。 然后你看特斯拉的Optimus（擎天柱），或者国内宇树、智元这些公司在做什么。全是电机驱动。 一个谐波减速器加无框力矩电机，成本可以做到液压执行器的十分之一甚至更低。功耗低，噪音小，还没漏油的风险。虽然绝对的力量和爆发力可能不如液压的上限，但对绝大多数工业场景来说已经够用了。 波士顿动力另一个没跟上趟的，是软件和开源的革命。 他们的软件栈，是基于ROS1（机器人操作系统）深度定制的，里面充满了积累几十年的代码。这些东西稳定、高效，但也封闭、笨重。改一行代码可能牵扯出无数隐藏的假设。 而新时代的机器人开发是什么，GitHub上一堆开源仿真环境：PyBullet、MuJoCo、Isaac Gym。一个研究生，用一台带好显卡的游戏本，就能在仿真里训练出能完成复杂任务的机器人策略。然后通过各种“sim2real”的技术，迁移到真机上。 开发周期从年缩短到月，甚至到周。 波士顿动力2019年开源了Spot SDK，想构建生态。但时代变了，现在大家要的不是几个API接口，而是完整的、可复现的训练代码和数据集。于是，像Google的RT-1、RT-2模型，Meta的Droid，这些大厂直接把机器人训练的代码开源了。任何一个小团队，只要有数据，就能按照配方进行训练。 波士顿动力在人形机器人上是孤独的先驱，但也成了先烈。他们花了十年证明人形机器人“能做到什么”，但没解决“为什么要这么做”以及“怎么便宜地做”。 2022年之后，大家才突然发现，造人形机器人的技术门槛，好像被各种开源方案和成熟的供应链打下来了。 特斯拉走的是“大力砖飞”的路线：用成熟的汽车产业链，把电机、减速器、电池的成本打到底；用强大的AI能力，弥补控制算法上与传统巨头的差距。 国内公司靠深圳的供应链，可以在华强北凑齐一大半机器人零部件。算法依靠挖人，用开源的框架，买学术论文的授权。场景对标的是物流、巡检、陪伴、教育这些快速落地的应用场景。 波士顿动力的Atlas，面对这群竞争对手，也无力招架。 在技术的长河中，追求极致的、优雅的、物理上完美的解决方案，是一种值得尊敬但却充满风险的信仰。而当更粗糙、更依赖数据和算力的新范式，以一种新方式开始解决实际问题时，旧有的技术路线会突然失效，也就是the bitter lesson 波士顿动力没有做错什么，只是陷入到了对局部最优的解决方式中去了，而忽略了规模，数据，算力带来的质变力量。 |
|
体制原因... ... 人才机制有问题... ... 最可怕的是系统性造假... ... 后面忘了。 |
|
人在波士顿红线上，下班了回答一下。 这是一个有点长的故事。 首先声明，如果你真心认同“波士顿动力的视频是用AI生成的/CG”或者“波士顿动力没有产品”或者“波士顿动力是骗钱公司”，我的判断是开除人籍，建议直接退出这个回答然后去从幼儿园重新读起。 至少在2022年之前，波士顿动力在足式机器人的全身运动控制水平上都是一骑绝尘的。他们的技术护城河是一套能够实时解算whole-body MPC的控制框架。搞过轨迹优化的朋友们都知道，求解一个包含20+自由度机器人全身动力学的非线性非凸轨迹优化问题有很多种方法，但是要在几十毫秒内得到一个质量不错的解并且能让机器人动起来就是另外一个次元的问题了。这里面包含大量的数学技巧和工程细节，是经过很多年的打磨一点一点积累出来的结果。这一护城河在当时看来是非常难以跨越的。 然后2020年，在风景秀丽的瑞士，一个隶属于苏黎世联邦理工（ETH）的实验室整了个大活。这个实验室就是大名鼎鼎的Robotic Systems Lab（RSL）。RSL其实一直都非常顶级，可能是当年地球上除了波士顿动力以外唯一有能力写出并且部署whole-body MPC的组织，并且在SLAM方面也有很多重要的贡献。2020年，他们在Science Robotics上发表了一篇影响深远的论文：《Learning quadrupedal locomotion over challenging terrain》。在那个蛮荒年代，世界上除了波士顿动力以及MIT的Biomimetic Robotics Lab以外，还没多少人能把四足的控制器做到能够在野外地形上稳健走路。然后，RSL的老哥们直接把他们自己造的四足机器人拉到了瑞士的山山水水各种地形上遛了十几趟。最颠覆的事情是，他们直接把MPC的桌子掀飞了：咱们一点MPC不用，咱们用强化学习。 从那之后，RSL在强化学习这条道路上直接起飞，发Science Robotics如同喝水。他们在仿真和GPU并行训练方面的工作直接催生了Isaac全家桶的诞生，他们开源的rsl_rl框架现在已经成为了这个地球上几乎所有人形机器人公司训练控制器的基础，包括波士顿动力自己也是打不过就加入了。可以说，没有RSL的贡献，人形机器人行业的爆发还得再推迟一两年。 在这种情况下，波士顿动力就有点尴尬了，特别是在2022年之后。MPC这块香饽饽突然就不香了，RSL的工作不仅牛逼，而且完全开源，让全世界的人们都享受到了强化学习的力量，而后续RSL+NVIDIA的持续发力也是直接把足式机器人的locomotion问题差不多完全解决了，whole-body control也不再是梦，都是基于rsl_rl做的。然后，宇树也崛起了，充分发挥东大的工业优势，把极其便宜的硬件送进了全世界的实验室里，人手一条A1/Go1，再到后面人手一个G1，研究进程极速加快。波士顿动力的护城河就这么在很短的时间内被填平了。 所谓的技术壁垒就这么被无情碾碎了，选择的重要性不言而喻。老黄说NVIDIA要一直有危机感，这是很对的。 所以到底什么样的技术最后能胜出？能够易于迁移和scale-up的技术。满足这两点的技术会随意地把别的技术直接创死。举一个随意的例子，你在一个四足上调好了MPC，但你不能保证一样的算法结构在人形上就好使。你在四足上做好了RL，基础的infra搞好了，改改reward function在人形上很快就能work。现在的motion tracking RL，reward function更是简单到令人发指。自由度的增多和机器人结构的变化给MPC带来的麻烦远大于RL。 波士顿动力牛逼吗？曾经牛逼过，人家确实是足式机器人的先驱，2019年在CMU的FRC High Bay里坐着看着他们让Atlas翻跟头的demo感叹不如退学去北极开uber的景象还历历在目。而且他们的demo确实也是激励了很多年轻人走入这个行业。 现在呢？还是强的，毕竟工程底子和公司文化摆在那，机器人除了算法之外，对硬件的理解也是非常重要的一个部分，甚至有时候比算法更重要。 销声匿迹了吗？完全错误，你们千万要注意啊，不要“见着风，是得雨”啊。无中生有的东西，你再帮他说一遍，等于你也有责任吧？ 处境艰难吗？难。可能除了特斯拉之外，在美国的机器人公司都面临着生产线搭建和生产成本的严峻问题，你不在中国造成本就是下不来（包括特斯拉自己可能也要在中国制造）。韩国现代在这方面来说是个好的靠山。波士顿动力最先产品化的东西是机器狗Spot，走的是工厂巡检这个赛道。此外还有Stretch（不是足式），走的是物流这个赛道。今年CES刚刚宣布了新的E-Atlas量产型号，似乎势头不错，但到底能干什么仍未可知。 未来如何，谁知道呢。 |
|
|
| [收藏本文] 【下载本文】 |
| 科技 最新文章 |
| 为什么有些人不敢使用微信？ |
| 作业帮 iOS 版应用被曝存在假卸载按钮设计， |
| 你认为稀土是中国手里的终极王牌吗？ |
| 如何看soul这个软件? |
| 如何看待FARS批量制造100篇论文？ |
| 为什么有些用户宁愿看盗版，也不愿为正版视 |
| 英政府拟强制中资桥接芯片巨头FTDI出售80%股 |
| 如何看待姚班大神陈立杰官宣入职 OpenAI？ |
| 微信有多傻逼？ |
| 如何看待「斩杀线」概念的出现及其影响? |
| 上一篇文章 下一篇文章 查看所有文章 |
|
|
|
|
娱乐生活:
电影票房
娱乐圈
娱乐
弱智
火研
中华城市
印度
仙家
六爻
佛门
风水
古钱币交流专用
钓鱼
双色球
航空母舰
网球
乒乓球
中国女排
足球
nba
中超
跑步
象棋
体操
戒色
上海男科
80后
足球: 曼城 利物浦队 托特纳姆热刺 皇家马德里 尤文图斯 罗马 拉齐奥 米兰 里昂 巴黎圣日尔曼 曼联 |
| 网站联系: qq:121756557 email:121756557@qq.com 知识库 |