现代汽车集团旗下机器人专业子公司波士顿动力于20日（当地时间）公开了一段视频，展示了类人机器人Atlas在出乎意料的状况下也能自行解决问题、进行智能应对的场景。

波士顿动力将与丰田研究院（TRI）共同开发的大规模行为模型（LBM）应用于Atlas，使其能够像人类一样进行判断并做出自然动作。

去年曾成功完成将发动机盖部件搬运至移动式储物箱任务的Atlas，在本次视频中展示了将机器狗“Spot”部件搬运到装载箱或货架上的作业过程。近期，类人机器人与高度发展的人工智能（AI）技术相结合，正快速进步，外界期待其在实际工业现场辅助人类完成重复性工作、提升生产率。

现代汽车集团旗下机器人专业子公司Boston Dynamics于20日（当地时间）公开了一段视频，展示人形机器人Atlas（ATLAS）即使在意料之外的情况下也能自主解决问题并作出智能应对。现代汽车提供

원본보기 아이콘

在本次视频中，Atlas为执行部件分类、排列等作业，展示了行走、下蹲、举起物品等调动全身的动作。

尤为引人注目的是其具备自行解决问题的能力。Atlas在执行将部件从一个箱子搬到另一个箱子的任务过程中，一名研究人员通过合上部件箱盖或将部件丢在箱子旁边等方式进行干扰，但Atlas并未慌乱，而是打开箱盖或捡起掉落的部件，准确地装入箱内。

此外，Atlas还展示了将Spot的腿部零件举起、折叠后准确摆放到货架上的动作，并将另一部件放入货架最下层的箱子中。它判断出部件会被货架挡住、无法直接放入箱中，于是先将箱子向前拉出后再装入部件，随后把箱子复位，展现了“聪明”的一面。

应用于Atlas的LBM采用端到端（end-to-end）方法，无需每次更改开发代码，即可快速学习处理各种形态物品的动作，并实现自主判断与控制。

尤其是，相比早期机器人在问题情境下难以及时应对，Atlas的优势在于，即便不更改算法或硬件，也能通过学习经验成功完成赋予的任务。

LBM是一种正在研究中的人工智能模型，使机器人能够像人类一样，自主地对通过传感器收集的大规模文本、图像、视频等数据进行学习、判断和行动。借此，在无需额外学习过程的情况下，也能提升机器人动作预测性能，据悉可使机器人动作速度提高至约2倍。

波士顿动力表示，正在训练Atlas能够精细处理诸如打结绳索、铺平凌乱被褥等非结构化物品。公司称，这不仅意味着在生产现场，在家庭环境中Atlas也有望适当地发挥帮手作用。

波士顿动力与TRI的方针是，继续推进将类人机器人在高级操作能力及动态运动等全身运用方面，与LBM有机结合的研究。

波士顿动力机器人研究负责人Scott Kuindersma表示：“本次视频是展示通用机器人将如何改变我们的日常生活和工作方式的一个案例”，“针对多种操作任务进行单一神经网络学习，不仅将推动通用机器人的发展，也将成为像Atlas这类高性能机器人精细而灵活运用全身的基础”。

另一方面，去年10月，波士顿动力宣布将与TRI加速开发通用类人机器人，并在人与机器人交互及安全性等领域展开合作。波士顿动力正利用英伟达的高性能机器人芯片提升类人机器人的高度化水平，并与机器人与人工智能研究所（RAI）合作，加强基于强化学习的机器人AI研究等，积极提升技术实力。