机器人自由概念以来就吸引着每一个人的好奇心，当涉及到机器人技术时，一个引人注目的名字就是波士顿动力公司。波士顿动力公司以制造一些令人惊叹的腿式机器人而闻名。成立于1992年，是麻省理工学院的分支机构。多年来，它已经确立了自己在机器人工程领域的领导者的地位。波士顿动力公司的故事充满了很多曲折，但这就是它如此迷人的原因。

波士顿动力公司是马克·赖伯特的创意。他于1949年12月22日出生。他去了东北大学获得电气工程学位。随后前往麻省理工学院攻读博士学位，并于1977年完成博士学位。几年后，他在NASA的喷气推进实验室工作。

但是他在1980年辞掉了这份工作，成为卡内基梅隆大学计算机科学和机器人学系的副教授。1986年，他加入麻省理工学院，担任电气工程和计算机科学教授，并在成立波士顿动力公司。

在麻省理工学院工作期间，马克·雷伯特创立了“腿部实验室”，该实验室完全致力于研究开发高动态腿式机器人的研究。最初，在卡内基梅隆大学成立了腿部实验室，但后来将其移至MIT。

波士顿动力学的想法在腿部实验室中初具规模。1992年，他成立了模拟和机器人技术的波士顿动力公司， 今天，它已成为先进的动态机器人的代名词。

多年来，该公司创建了Atlas，BigDog，SpotMini和Handle等机器人，这些机器人的灵感都来自与动物运动相关的敏捷性。尽管波士顿动力公司花了十多年的时间开发了第一台机器人，但此后一直在机器人的路上继续坚持着。

总部位于沃尔瑟姆的波士顿动力公司在开发BigDog（为美军使用的四足机器人）时出名。该公司从高级研究计划局获得了该项目的资金。它还在早期开发了DI-Guy，这是一种用于逼真的人体仿真的软件。

在随后的几年中，根据与海军空战中心训练系统部签订的合同，它与美国系统公司合作。在美国系统公司的帮助下，它用具有DI-Guy角色的交互式3D计算机模拟代替了海军训练视频。

在成立初期，波士顿动力主要为五角大楼工作。它以研究补助金的形式获得了资金，主要来自DARPA。在与DARPA联合期间，该公司主要专注于针对军事应用开发机器人的研究。在此期间，它成为开发可在现实环境中工作并穿越困难地形的机器人的领导者。

2013年，波士顿动力公司与Google的母公司Alphabet以及其他8家机器人公司一起被收购。收购之前，Google计划建立一个机器人事业部。 因此，这9家机器人公司成为Replicant的一部分，后者是Google的新机器人部门，由Android的联合创始人安迪·鲁宾带领。

收购之后，包括波士顿动力在内的9家机器人公司被允许在安迪·鲁宾的领导下继续他们的研究。但是在2014年10月，即成立机器人事业部的一年之内，安迪·鲁宾离开了Google，机器人领域失去核心。

在安迪·鲁宾离职后，许多员工对Google所追求的机器人项目不确定。2015年1月，Replicant的联合创始人James Kuffner也离开了公司。

没人知道Google到底想对它的机器人部门做什么。业内许多人推测Google希望开发一种易于使用且价格合理的商用机器人。但是波士顿动力对开发此类产品的兴趣不大。

因此，两家公司的愿景截然不同。此外，Alphabet高管已经意识到，波士顿动力不会很快产生收益。 2015年11月，负责Replicant的乔纳森·罗森伯格说： “ 我们作为一家规模庞大的初创企业，不能将我们30％以上的资源用于需要十年的事情。”

很明显，Alphabet一直在努力减少对研究项目的投资。结果，两家公司都无法调解并达成自己的利益，最终导致双方分道扬镳。

自2016年3月以来，有关Google愿意出售 波士顿的消息就一直在进行。期间有很多关于潜在买家的传闻出现。但最终在2017年6月，日本软银以未公开的价格从Alphabet手中收购了这家机器人公司。

两家公司对此次收购似乎都很积极。 收购完成后，软银集团董事长兼首席执行官孙正义表示：“智能机器人将成为信息革命下一阶段的关键驱动力，马克和他在波士顿动力的团队无疑是技术领先者。”

波士顿动力公司的首席执行官马克·雷伯特也用以下几句话表达了自己的兴高采烈：“ 波士顿动力公司很高兴能成为软银愿景的一部分，以及在创造下一次技术革命中的地位，我们期待与软银合作，以突破先进机器人可以做的做更多的事情，并在更智能、互联网中创建更多的有关机器人的应用程序。”

波士顿机器人到今天还在继续，虽然中间经历了重重难关，但 科技 永却没有止步，期待波士顿动力最新的机器人。

文／杨剑勇

众多周知，谷歌涉及到众多科技领域，包括太空、医疗、新能源和人工智能等前沿科技创新，对于谷歌来说，眼光通常放在未来几十年后的科技，且不计成本地投入，为此更好推进各项技术发展，将谷歌核心业务和与实验性的长期业务进行分割，在2015年对谷歌进行了重组，成立Alphabet，众多板块独立发展，成为Alphabet旗下控股公司，至此也成为Alphabet成为谷歌母公司。

谷歌人工智能帝国

谷歌大脑（Google Brain）和AlphaGo（阿尔法狗）两大人工智能系统屹立在行业之巅，以及构建量子人工智能实验室，这是谷歌人工智能帝国背后的核心力量。并且谷歌也曾表示过，机器学习和人工智能依然是未来一段时期内一直坚持并优先投资的领域，这家搜索巨头正在构建人工智能帝国。

庞大的Alphabet的帝国，如今市值高达6900亿美元，仅次于苹果，成为全球排名第二大公司，其中谷歌则是支撑该帝国的核心力量，换句话说，谷歌负责赚钱，其他Alphabet旗下公司负责花钱，这个模式在谷歌重组前和重组后都没有改变。

除了谷歌，Alphabet其他子公司主要就是负责花钱，但为何偏偏要卖掉旗下逆天的波士顿动力机器人公司呢？波士顿动力对于谷歌人工智能帝国来说，是众多机器人项目中的很少的部分。

在人工智能领域，谷歌收购了大量的创新创业企业，其中DeepMind和波士顿动力备受业界关注，因是AlphaGo（阿尔法狗）横扫围棋界，该人工智能系统的缔造者正是DeepMind；对于波士顿动力的关注原因，则是所打造平衡性逆天的机器人，令人们担忧机器人崛起，最终毁灭人类。

警惕天网诞生

发展人工智能是召唤邪恶，还是能造福人类存在较大争议，关于人工智能征服了人类，或者毁灭人类言论也比较多，不过，这种担忧并非天方夜谭，尤其谷歌在训练人工智能，不仅让读了几千本言情小说，甚至还能描述所看到的画面，想象一下，当计算机能够准确地识别和理解它所看到的一切时，世界该是个什么模样？

左图是原图，右图是机器描述它所看到的画面

机器人一旦看、听、阅读能力得到提升，再把这个人工智能大脑植入至平衡力惊人的波士顿动力人形机器人后，世界将会发现什么变化？机器人大军？《终结者》**天网节奏？而谷歌人工智能工程师也提醒，十年后，“天网”出现并非不可能。

在过去几十万年的时间里面人类大脑不断的进化，但人工智能技术，在最近十年来最激动人心的算法进步无疑是深度学习，由于谷歌在人工智能领域技术储备是当今最强的企业之一，且不计成本地投入该领域，为机器人赋予人工智能是谷歌的重中之重，至此谷歌被视为一家伟大和邪恶并存的公司。

伟大之处在于放在未来几十年后的科技，造福人类；邪恶在于可能毁灭人类，也许若干年后，残存的人类已不记得“天网”曾经叫做“谷歌”。在发展人工智能技术，谷歌被陷入邪恶漩涡中，而谷歌多次重申人工智能不可能毁灭人类。

在实际操作过程中，2014年谷歌就设立一个人工智能伦理委员会，来对人工智能技术的使用设定标准，避免机器人灭绝人类。以及在收购DeepMind和波士顿动力也重申不会进入军事领域。尤其波士顿动力在被谷歌收购之前，一直是美国军方资助，谷歌收购后依然在履行此前与军方签署的合作协议。

出售逆天波士顿动力 消除担忧

在去年，波士顿动力所公布的一段人形机器人视频后，让整个世界惊叹，打破了以往机器人不能行走，且笨重迟钝的形象，尤其逆天的平衡性，在被人撞倒在地，也能爬起，看过视频的朋友都会觉得十分惊讶，当观看到这则机器人视频后，就能明白为何有人担心发展人工智能，假如这逆天的机器人装上谷歌大脑后，那么离天网时代的智能机器人就不远了。

在杨剑勇看来，正是波士顿动力的逆天机器人视频曝光后，且在这个时间内，谷歌人工智能系统在人机大战中，AlphaGo击败了韩国围棋九段李世石先生，于是坊间就有传言谷歌将出售波士顿动力机器人公司。坊间传言表示，由于商业变现缓慢，谷歌有意出售，但在笔者看来，谷歌尽可能要和波士顿动力划清界限，真实意图要消除大众对谷歌人工智能野心担忧。

而Google X发言人考特尼·霍纳在早前邮件中也表达了波士顿动力的讨论尽可能不要波及到谷歌机器人部门。霍纳在邮件中写道，“科技媒体对此非常激动，但我们也看到一些负面的评论，说这种产品比较可怕，准备接手人类的工作。”霍纳要求其同事“不要让Google X和视频扯上关系”，她在电邮中写道，“我们不希望让媒体讨论波士顿动力在谷歌的地位。”

软银接盘 孙正义豪赌人工智能

波士顿动力所打造的机器人，让其红极一时，但所打造惊人的机器人也是出售的导火线，直到现在才落地，最终被日本软银收购。早前传言是日本丰田收购，但最终被软银接手。孙正义对人工智能充满信心，在大肆收购相关企业，包括全资收购了移动芯片ARM，也入股NVIDIA（英伟达），从芯片层面布局，毕竟芯片是人工智能时代制高点。

另外，日本软银不仅推出了一款Pepper人形机器人，也在大肆收购其他机器人公司，包括此次收购波士顿动力机器人也符合日本软银战略，同时波士顿动力也很高兴能成为软银的一部分，共同推动机器人技术发展。

AI人工智能火爆全球，美国拥有最多的AI科技公司，但极具活力的中国企业，也在不断追求AI技术的发展与应用，思必驰CEO高始兴曾指出，AI技术不仅推动了物联网、智能硬件等领域的进步，也将赋能传统行业，提升其价值与效率，AI的应用会带来更多的商业机会。

在日本软银孙正义看来，人工智能奇点即将到来，目前更多资金投向人工智能领域，为此联合部分国家主权基金、机构联合成立了一直规模高达1000亿美元的基金，主要投资物联网和人工智能领域，孙正义正是对万物互联的未来充满各种憧憬。

本文作者杨剑勇，长期关注物联网、智能家居、可穿戴设备、机器人和人工智能等前沿科技产业。

自主机器人自行行动。人类对机器人进行编程以响应外部 。非常简单的颠簸机器人很好地说明了它的工作原理。

这种机器人有一个保险杠传感器来检测障碍物。当您打开机器人时，它会沿直线拉动。当它最终撞到障碍物时，撞击会触发其保险杠传感器。机器人的程序告诉它后退、向右转并再次向前移动，以响应每一次碰撞。这样，机器人在遇到障碍物时就会改变方向。

一些自主机器人只能在熟悉的、受限的环境中工作。例如，割草机器人依靠掩埋的边界标记来定义院子的范围。办公室清洁机器人可能需要建筑物的地图才能从一个点移动到另一个点。亚马逊的仓库机器人在仓库地板上使用彩色磁带来帮助他们导航。在其他工作中，这家在线零售商使用机器人将物品交付给人类，让员工专注于包装订单，而不是搜索仓库货架。

移动机器人通常使用红外线或超声波传感器来查看障碍物。这些传感器的工作方式与动物回声定位相同：机器人发出声音信号或红外光束并检测信号的反射。机器人根据信号反弹所需的时间来定位到障碍物的距离。更复杂的机器人可能配备光探测和测距（激光雷达）设备，该设备使用光而不是声音来帮助机器人确定其在环境中的位置。

即使是现成的机器人吸尘器也使用多种方法在您的客厅中找到自己的方式。除了碰撞传感器，它们还有悬崖传感器（它要倒下了吗？）、墙壁传感器（前面是什么？）和光学编码器（它走了多远？）。以这种方式使用多个传感器创建地图称为同时定位和映射 (SLAM)。

一些机器人使用立体视觉来观察周围的世界。两个摄像头为这些机器人提供深度感知，图像识别软件使它们能够定位和分类各种物体。机器人还可以使用麦克风和气味传感器来分析它们周围的世界。波士顿动力公司的 Spot 类似狗的机器人配备了 360 度全景相机，但该公司还提供云台变焦和红外辐射相机。这使美国海军陆战队能够在冒险进入开阔地带之前测试机器人在拐角处寻找敌人的能力。

更先进的机器人会分析和适应陌生环境，甚至是地形崎岖的地区。这些机器人可以将某些地形模式与某些动作相关联。例如，漫游者机器人可能会根据其视觉传感器构建其前方土地的地图。如果地图显示出非常崎岖不平的地形模式，机器人就会知道要另辟蹊径。美国宇航局的恒心漫游车就是一个例子。

跟随机器人从观察我们中学习。自主农业机器人制造商 Burro使用摄像头和 GPS 的组合来四处走动，但机器人的人工智能系统通过跟随人类来学习它的工作。Piaggio Fast Forward 的 Gita 机器人在搬运他们的东西时跟随他们的人类领袖。该设备甚至可以在您骑自行车时尾随您。它的最高速度为每小时 35 英里（每小时 56 公里）。

自制机器人

在最后几节中，我们研究了机器人世界中最突出的领域——工业机器人和研究机器人。多年来，这些领域的专业人士在机器人技术方面取得了大部分重大进展，但他们并不是唯一制造机器人的人。几十年来，一小群热情的爱好者一直在世界各地的车库和地下室中制造机器人。

自制机器人技术是一种快速扩张的亚文化，在网络上占有相当大的份额。业余机器人专家可能会使用手头上的任何东西来拼凑他们的作品，例如旧玩具、录像机和其他随机剩余的小玩意，但创客运动使得寻找组件、分享想法和教育其他人了解 DIY 电子产品变得容易。

机器人只是创客运动的一部分，但许多 DIY 工具可用于广泛的应用。廉价的单板计算机功能强大，足以应对更复杂的项目。像Instructables和Thingiverse这样的网站让制造商可以相互分享计划。学校、大学、图书馆甚至社区内都有创客空间、黑客空间和工厂实验室，供人们借用工具并在组装自己的作品时相互学习。许多人拥有 3D 打印机，可根据您的定制规格打印机器人零件。

自制机器人与专业机器人一样多种多样。一些周末机器人专家修补精心设计的步行机器，一些设计自己的服务机器人，还有一些创造有竞争力的机器人。最熟悉的竞技机器人是遥控战斗机，就像您在“ BattleBots ”中看到的那样。有些人可能不认为 BattleBots 是“真正的机器人”，因为它们没有可重新编程的计算机大脑。它们基本上是增强型遥控车。

更先进的竞技机器人由计算机控制。例如，足球机器人在完全没有人工输入的情况下踢足球。一个标准的足球机器人队包括几个与中央计算机通信的独立机器人。计算机通过摄像机“看到”整个足球场，并根据颜色识别自己的团队成员、对手的成员、球和球门。计算机使用此信息来决定如何指挥其团队。

5月1日，美国人类与机器认知研究所（IHMC）在波士顿动力公司的Atlas机器人身上，测试了其开发的机器人自动路线规划算法。对于机器人来说，独木桥式的狭窄通道是复杂地形，成功通过率只有50%。

我们先来了解下机器人不同的行走方式：

1轮式移动机器人

轮式移动机器人，顾名思义，就是驱动轮子来带动机器人行走，轮式的效率最高，行进速度快，转向灵活，造价较低，故障容易处理，另外，在相对平坦的地面上，轮式移动比足部更具优势，控制也相对简单，轮式移动机构现今应用相当广泛，是目前研究最为透彻的移动方式之一。

2履带式移动机器人

典型的履带式移动机构由驱动轮、导向轮、拖带轮、履带板和履带架等部分构成。履带式移动机构适合在复杂路面上行驶，它是轮式移动机构的拓展，履带本身起着给车轮连续铺路的作用。

履带式移动结构在地面支撑面积大，接地比压小，滚动摩擦小，通过性能比较好，转弯半径小，牵引附着性能、越野机动性、爬坡、越沟等性能优于轮式移动机构。履带式移动机构广泛用于各种军用地面移动机器人。

它的缺点是由于没有自定位轮和转向机构，只能靠左右两个履带的速度差实现转弯，所以在横向和前进方向上都会产生滑动；转弯阻力大，不能准确地确定回转半径等。

3跳跃式移动机器人

跳跃式机器人对地形有更强的适应力。但是跳跃运动首先要克服自身重力的影响，由于需要跳跃，自身重力必然要小，重力要小，质量也要小，能源就是最大问题。而且腾空和触地阶段动力学方程复杂，平衡难以控制。跳跃后半段要从高空坠落，机器人本身的抗摔能力又有着较高的要求。

4腿式移动机器人

腿式行走机器人基于仿生学原理，目前展开广泛研究的有两足、四足、六足等各种腿足式移动机构，该机构几乎可以适应任何路面的行走，且具有良好的机动性，其运动系统具有良好的主动隔振功能，可以比较轻松地通过松软路面和大跨度障碍。在最开始，双足机器人使用的平衡控制策略是「静态步行」（static walking）。这种策略的特点是：机器人步行的过程中，重心（COG，Center of Gravity）的投影始终位于多边形支撑区域（support region）内，这种控制策略的好处在于：机器人可以在行走动作中停止而不摔倒，但代价是行动速度非常迟缓（每一步需要花费10 秒甚至更长，因为需要保持重心的投影始终位于支撑区域，否则将不稳定）。

小型双足机器人运动能力和稳定性之所以很强，主要由于它的重心很低，从某种意义上来讲，并非依靠智能完成复杂环境的适应能力，而是其机械结构提供了一定的优势。而大型双足机器人基本上都要依靠加入伺服电机的智能驱动单元（步行器的关键部分）来控制机器人稳定运动。

缺点是行进速度低缓，效率低下，而且由于腿部与地面接触面积相对较小，遇到非刚性地面状况时会出现下陷的情况。同时，由于结构方面的原因，腿式行走的机器人都无法做到结构紧凑，而且其对腿部关节部位的制造要求较高，成本较高。总体来说，腿式运行速度比较慢，机构形式在上述各种移动机构中最复杂，控制也十分困难，目前尚处于研究和实验阶段。

同时核心算法是比较耗时间的，也是研发重点，电池部分现在主要还是要依靠产业的研发能力和供应能力，机器人研发团队很少会为了电池配备相关研发人员。现在整体机器人还处在研发阶段，仍然要靠电缆连接交流电来作为电源，因此商用蓄电池持续性是最大问题。

传感器则是持续地测量机器人身上部件的方向和移动。也需要实时读出和处理这些传感器所收集的数据，持续调整伺服电机，以保持所需的平衡，不至于倒下。要达到这些要求，需要非常先进的低成本、低功耗半导体芯片，低成本的精密移动传感器，以及先进的算法和具有人工智能的语音识别和视觉识别技术。例如，美国一家公司发明了一种“推不倒”的算法，传送至Atlas人形机器人，机器人可以灵巧地平衡，甚至你如果故意推倒它，它也可以借助协调能力惊人的双足立刻稳定平衡。

一位机器人的老前辈曾说过，机器人是一个机械，机械不能革命只能进化。人类的大部分行为能力是需要借助于逻辑分析，例如思考问题需要非常明确的逻辑推理分析能力，而相对平常化的走路，说话之类看似不需要多想的事，其实也是种简单逻辑，因为走路需要的是平衡性，大脑在根据路状不断地分析判断该怎么走才不至于摔倒，而机器人走路则是要通过复杂的计算来进行。

“教”一个机器人走路远比教一个1岁的小朋友走路更辛苦，因为机器人的“大脑”一片空白，它的举手抬足应该以何种角度，到怎样的高度，都需要工程师凭逻辑和经验一一设定。而机器人要想像人一样优雅地走路，不仅要配置激光雷达、摄像头，还需要额外的算法和配套传感器。波士顿机器人经过十年变迁，本次波士顿动力机器人完成最难行走实验，其表现出的极强协调性，无疑在双足机器人的路上已经越走越远。

足式机器人无疑是最像人类，以及最能够满足替代人类进行某些 探索 活动的最佳选择，虽然波士顿机器人的军工性质很难转为民用以及其融资状况一直被人诟病，但不可否认的是其研究依旧走在机器人认知前沿。

对此您有什么意见和看法呢？欢迎留言讨论！