注意看，機器人像人一樣從容地走出大門了！

甚至，還有一整支機器人隊伍迎面走來。

人形機器人獨角獸Figure，再次帶來他們的新成果——利用強化學習實現(xiàn)自然人形行走。

跟之前版本的機器人相比，確實更像人了許多，而且步態(tài)更加輕盈，速度也更快。

網(wǎng)友們紛紛表示被驚艷到，甚至覺得像是太空行走。

有一說一，自從與OpenAI取消合作后，這成果輸出確實又快又多。

機器人像人一樣自然行走

此次推出的，是經(jīng)過強化學習訓(xùn)練的端到端神經(jīng)網(wǎng)絡(luò)。

根據(jù)官方介紹，主要分成三個部分：

強化學習：強化學習利用模擬試驗和錯誤，教Figure 02 人形機器人如何像人一樣行走。

模擬訓(xùn)練：通過高保真物理模擬器學習如何像人類一樣行走，結(jié)果只需幾個小時就能模擬出多年的數(shù)據(jù)。

Sim-to-Real：通過將仿真中的域隨機化與機器人上的高頻扭矩反饋相結(jié)合，模擬訓(xùn)練無需額外調(diào)整即可直接轉(zhuǎn)換為真實硬件。

具體來看。

首先，利用強化學習技術(shù)，在GPU加速物理仿真中對新的行走控制器進行了全面訓(xùn)練，并在幾個小時內(nèi)收集了數(shù)年的仿真演示數(shù)據(jù)。

在模擬器中，數(shù)以千計的Figure 02機器人被并行模擬，每個機器人都有獨特的物理參數(shù)。

然后，這些機器人將暴露在它們可能遇到的各種場景中，并通過單一神經(jīng)網(wǎng)絡(luò)策略學習如何操作它們。這包括遇到各種地形、致動器動態(tài)變化以及對絆倒、滑倒和推搡的反應(yīng)。

使用強化學習學習到的策略可能會趨近于次優(yōu)控制策略，無法捕捉到人類行走的風格屬性。這包括以類似人類的步態(tài)行走，腳跟著地、腳尖離開、手臂擺動與腿部運動同步。

于是他們通過獎勵機器人模仿人類的行走參考軌跡，將這種偏好注入到學習框架。這些軌跡為策略允許產(chǎn)生的行走方式建立了先驗，而額外的獎勵條款則優(yōu)化了速度跟蹤、功耗以及對外部擾動和地形變化的魯棒性。

最后一步是將策略從模擬中提取出來，應(yīng)用到真正的仿人機器人中。仿真機器人充其量只是高維機電系統(tǒng)的近似值，在仿真中訓(xùn)練的策略只能保證在這些仿真機器人上有效。

為了彌補這一 “模擬到現(xiàn)實的差距”，他們在模擬中結(jié)合使用了域隨機化和機器人上的kHz-速率扭矩反饋控制。

域隨機化通過隨機化每個機器人的物理屬性，模擬策略可能需要運行的各種系統(tǒng)，從而彌合模擬與現(xiàn)實之間的差距。這有助于該策略在不進行任何額外微調(diào)的情況下，實現(xiàn)與物理機器人的 “零接觸”。

用kHz速率閉環(huán)扭矩控制來運行策略輸出，以補償執(zhí)行器建模中的誤差。該策略對機器人與機器人之間的變化、表面摩擦力和外部推動力的變化都很穩(wěn)健，在整個Figure 02 機器人群中實現(xiàn)了可重復(fù)的仿人行走。

于是乎，就看到了10個機器人同一步態(tài)行走，沒有任何調(diào)整或變化。

接下來，他們計劃將這一技術(shù)擴展到數(shù)千個 Figure 機器人。

人形機器人越來越像人了

之所以這次選擇對機器人步態(tài)的改善，F(xiàn)igure創(chuàng)始人也說了，這并非是他們的首要任務(wù)，只是之前網(wǎng)友吐槽得多了，他們最終目標是商業(yè)運送機器人。

By the way，今年伊始海內(nèi)外的人形機器人都密集亮相，諸多大廠企業(yè)開始投身機器人的布局當中，這不今天同一天，vivo宣布成立機器人Lab。

在這些機器人持續(xù)整活之中，能夠看到他們舉手投足之間著實越來越像人了。

且不說跟大爺一樣在公園遛彎、跑步、二人轉(zhuǎn)之類。

還學會了人類的一些空翻、托馬斯全旋等等雜技。

你還期待人形機器人哪些地方可以像人的？