50万人在线围观！Atlas进厂打工 全程自主无遥控

登上油管热榜，吸引50万网友围观，波士顿动力人形机器人又放大招了——

无远程遥控（Fully Autonomous），Atlas可完全自主打工了。

只需告诉Atlas前后搬运的位置坐标，它就能全自动分装物件，动作be like：

而在Atlas的第一视角下，它看到的是酱紫的：

面对“刁难”（物件在底层位置），Atlas直接一个帅气下蹲，再次成功完成任务。

更有意思的是，当发现自己弄错位置后，Atlas突然以一个鬼畜完成了瞬间纠错。(笑死，怪突然的）

总之，在近3分钟demo中，Atlas进行了一系列秀肌肉操作：头部、上半身、髋关节都能360°旋转，可随时转向、倒退行走……

有网友惊呼，其他机器人还在学走路，Atlas已经开始朝九晚五，甚至007式打工了！

同行（通用仓库机器人nimble ai创始人）大赞：Atlas已经遥遥领先了。

只有机器人专家才知道Atlas有多棒

网友：完全自主？你引起了我的注意

自从今年4月宣布改液压为电驱后，这是波士顿动力人形机器人为数不多的露面。

上一次还是8月底，他们展示了Atlas能够一口气做俯卧撑、深蹲等热身运动，当时就震惊了上百万网友。

而在最新demo中，Atlas又瞄准了自动化控制，现在它能在集装箱和移动小车间自主移动发动机盖了。

据波士顿动力介绍，Atlas使用机器学习视觉模型来检测和定位环境固定装置和单个箱子，并且会使用专门的抓取策略，通过不断估计被操纵物体的状态来完成任务。

机器人能够结合视觉、力和感知来检测环境变化（如移动固定装置）和动作故障（如未能插入盖子、绊倒、环境碰撞）并做出反应。

看完一系列最新表现，果不其然又惊倒了一片网友：

网友们也是纷纷cue起了特斯拉人形机器人Optimus~

前一阵，Optimus在特斯拉的发布会上同样大秀肌肉（开场热舞、与人交谈猜丁壳、倒酒等一个不落），不过最后被多方证明存在现场远程操控。

后来特斯拉也发布了一个展示Optimus自主导航的demo：

对于这两家人形机器人领域同样炙手可热的竞争对手，网友们也开始各自站台，并最终达成了一个“共识”。

二者的差距在于量产。波士顿动力单兵能力强，而特斯拉在商业化量产方面更具优势。

背后的逻辑也很简单，人形机器人最终还是要走向消费市场。

不过不管怎样，Atlas展现的细节已十分惊艳，比如可以360°旋转的身体、头部。

虽然也有人吐槽这很诡异，不过大多数人表示看好：

人形机器人能够被设计而不是进化，意味着一旦我们弄清楚工程原理，各种变形金刚和驱魔人式的能力都可能发生。

另外，还有人疑惑为什么Atlas不搞个360°全景摄像头，还需要转动头部呢？

对此，有网友推测最大原因还是控成本。

更高分辨率的深度相机价格昂贵（带宽和计算），因此将超密集传感器限制在工作空间的位置是很有意义的。

实在不行，也可以“低质量的360°全景视觉+面向单一方向的高质量相机/激光雷达”（网友支招有）。

One More Thing

在reddit网友一片热议中，部分网友发出了灵魂拷问：

机器人完成这种任务（分装物件）好像没啥大意义？能不能更贴近现实生活。

对此，也有人对Atlas采用的技术表达担忧：基于点和规划器/优化器在泛化能力上可能不如神经网络等。

且就在刚刚，英伟达新发布了HOVER，一个1.5M参数的神经网络控制器，用于人形机器人的全身运动和操作协调。

据负责英伟达具身智能实验室（GEAR）的Jim Fan介绍：

人类在行走、保持平衡以及操纵四肢到达期望位置时，需要大量的潜意识处理。我们在HOVER中捕捉了这种“潜意识”，这是一个单一模型，学习如何协调人形机器人的电机以支持运动和操纵。

我们在NVIDIA Isaac中训练了HOVER，这是一个GPU驱动的仿真套件，能够实现比现实时间快10000倍的物理模拟速度。

为了直观理解这个数字，机器人在虚拟“道场”中经历了一年的密集训练，但在一块GPU卡上仅花费了大约50分钟的真实时间。然后，神经网络无需微调即可零样本迁移到现实世界。

简单说，HOVER可以被“提示”执行各种指令，英伟达称之为“控制模式”。比如：

头部和手部姿势：可以通过XR设备如苹果的Vision Pro捕捉

全身姿势：通过动作捕捉或RGB相机

全身关节角度：外骨骼

根速度指令：操纵杆

概括而言，HOVER提供了一个统一接口，允许使用任何方便的输入设备来控制机器人。

它简化了收集全身遥控操作数据的方式，以便于训练；且作为一个上游的视觉-语言-动作模型，只要提供运动指令，HOVER就能将其转换为高频的低级电机信号。

对此，你怎么看？