•
波士頓動力創始人：我絕不會低估馬斯克
機器人不需要追求完美，「缺陷」可能是件好事。
根據摩根士丹利6月24日最新發佈研究報告，美國約75%的職業和40%的員工有被人形機器人取代的風險。報告顯示，在20年內，每替代一名人類工人可節省約50萬至100萬美元以上。特斯拉在其Optimus Gen 2人形機器人項目上取得了顯著進展，OpenAI也於近日重啟了4年前解散的機器人團隊。
而提到機器人，就不得不提到美國的機器人製造公司波士頓動力。近日，波士頓動力公司創始人Marc Raibert（馬克雷伯特飾）接受訪談，分享了他對機器人技術未來願景的深刻見解。
從大狗（Big Dog）的穩健步伐，到阿特拉斯（Atlas）的驚人跳躍，再到Spot機器狗的靈活行動，波士頓動力的每一項創新都讓世界為之震撼。在這次訪談中，Marc Raibert向我們展示了他的機器人世界。他將帶我們回顧那些令人難忘的創造時刻，分享他對機器人形態與功能性的獨到見解，以及他在機器人技術發展過程中的心得體會。
對話的精彩觀點如下：
1.與他們相比，我更像是個夢想家，工程師才是真正讓夢想落地的人。
2. 當機器人開始運動時，你會覺得它是有生命的，而形態的美感對機器人的仿生動作有加成效果。
3. 機器人不需要追求完美，特別是在人與機器人的互動過程中，「缺陷」可能是件好事，擅長笨拙地處理物體可能比完美地建模和移動更值得最佳化。
4. 技術在理論上非常吸引人，但不一定能在市場上取得成功。
5. 當投入大量心血製造出機器人，但它並沒有按照預期執行階段，必須有勇氣去直面失敗。
6. 我們所展示的並不是某一次偶然的成功，而是經過不斷改進後的穩定表現。
7. 科學家主要描述和研究已經存在的事物，而工程師則能創造出前所未有的東西。
8. 我絕不會低估馬斯克的任何一項能力。但就目前的Optimus而言，我認為它還未達到Atlas的水平。
9.透過視訊或其他方式與公眾互動，創造一種文化氛圍，讓人們意識到他們需要這個產品。
以下為訪談全文，有刪改：
我是個夢想家，我的工程師才是讓夢想落地的人
主持人： Marc Raibert是一位傳奇的機器人專家，也是波士頓動力公司的創始人和執行長。 40多年來，他一直領導著公司不斷創造奇蹟。你第一次接觸機器人是什麼時候？
Marc Raibert：在我很小的時候就開始接觸機械類的東西。我父親原本想成為工程師，但他母親非常傳統，認為那樣會像個修理工，所以不允許我父親追求這個夢想。即便如此，家裡的地下室總是堆滿了各種工具和電子產品，因此我喜歡上了製作一些小東西。
在我研究生時期，曾跟隨一位教授到他的實驗室，桌上放著一個被拆成上千個零件的機器人手臂，正是那個機器手臂激發了我對機器人的興趣。
主持人：你說你喜歡創造。在你創造的那些東西里，有哪些是讓你印象深刻的？
Marc Raibert：在我孩童時期，我就開始做些小發明了，例如螢光燈裡的小鋁筒。我會把它拆開，裝上火柴頭和引線，把它做成小火箭。
主持人：你曾在麻省理工學院建立了傳奇的實驗室Leg Lab，能講講你們最早在實驗室中製造的跳躍機器人嗎？
Marc Raibert： Leg Lab始於卡內基美隆大學。最早的跳躍機器人就是在那裡製造出來的。在加入卡內基美隆大學之前，我在噴射機推進實驗室工作過3年。在那裡我認識了被稱為電腦圖形學之父的Ivan Edward Sutherland（伊萬·薩瑟蘭）。
有一次，他鼓勵我去加州理工學院做項目，在給出項目列表的時候，我故意把第一個和第三個項目寫的很無聊，而在中間提出了跳躍機器人構想。 Ivan認為這個項目非常有價值，給了我大約3000美元的啟動資金用於建造跳躍機器人。
當第一款跳躍機器人製造成功之後，Ivan帶著我去美國國防高級研究計畫局碰運氣，我們在那裡遇到了時任項目經理的Craig Fields。當他看到我的模型後決定資助我25萬美元用來支援後續的研究。在那個年代，25萬美元是一筆很大的經費。
緊接著我意識到繼續研究需要更先進的技術支援，於是我決定組建屬於自己的專業團隊。在接下來的幾年裡，我和團隊共同研發了眾多方程式和演算法。
主持人：找到和你有同樣瘋狂想法的人是一種什麼樣的感覺？
Marc Raibert：對我來說，最明智的決策就是尋找到了這些優秀的夥伴。如今，當我審視波士頓動力公司及那些真正傑出的工程師們，我認為，正是他們在幕後默默付出，才讓一切成為可能。與他們相比，我更像是個夢想家，而他們才是真正讓夢想落地的人。
在設計機器人時，不必過分追求完美
主持人：你認為形態和功能性那個更重要？
Marc Raibert：起初，我認為功能就是一切，能力、靈巧、感知和智力才是機器人的關鍵功能，其他的都不重要。甚至在最初設計時故意不考慮結構本身的美感，但我發現，當機器人開始運動時，你會覺得它是有生命的，形態的美感對機器人的仿生動作有加成效果。
機器人不需要追求完美，特別是在人與機器人互動中，缺陷可能是件好事，擅長笨拙地處理物體可能比完美地建模和移動更值得最佳化。所以更應該最佳化機器人本身的功能，而不是在擬人化方面追求完美。
卡內基美隆大學機器人研究所的主任Matt Mason曾分析過一段朱莉婭·查爾德烹飪的視訊，在處理食材時，她用了40種不同的動作，但沒有一種是抓握。因此，在現實世界中完美並不存在。
主持人：你有沒有對機器人產生懷疑？
Marc Raibert：一開始我並不熱衷於人形機器人，覺得功能性更重要。 Spot就是如此，我經常帶著Spot（波士頓動力公司研製的機器狗）去各地演講，它非常受歡迎，人們想要和它合影，撫摸它甚至給它穿衣服。
主持人：波士頓動力公司一直專注於機器人研究嗎？
Marc Raibert：當然不，我們有一款產品是手術模擬器，它具備了力回饋功能。在這款產品的研發過程中運用了機器人的相關技術：當你低頭操作模擬器時，手中的手術工具與力回饋裝置相連，就彷彿是在俯視一個真實的手術場景。
我們的初衷是打造一款能夠教導外科醫生進行手術操作的教練系統。為此，在研發過程中，我們採訪了許多外科醫生，解他們在手術中的注意事項和操作規則，例如避免撕裂組織，只在必要的部位進行操作等。同時我們建立了一套評分系統並為使用者記錄分數，並公佈了他們的成績。外科醫生們都非常有競爭意識，會反覆嘗試以提高自己的分數。
那是90年代末，我們運用了三維電腦圖形技術，模擬了一種叫做吻合術的外科手術，這種手術主要是將管狀物如血管等縫合在一起。透過這款模擬器，你可以真切地感受到組織的移動，感受手術中每一處細節。
然而，在推廣過程中，我們原本以為外科醫生會願意付費接受這種培訓，但實際上他們認為我們應該付費給他們，因為他們可以提供寶貴的教學經驗。因此，我們並沒有從外科醫生那裡獲得任何收入。於是，我們考慮將產品賣給醫院，由醫院來訓練外科醫生。但當時我們公司規模很小，根本沒有足夠的資源去進行大規模的營銷活動，完全依靠自力更生。
最終我們決定放棄這個項目。但這個決定對公司來說還是一個重要的里程碑，因為它讓我們更明確了定位和方向。我們意識到，儘管技術在理論上非常吸引人，但並不一定能在市場上取得成功。這讓我們更專注於開發真正有市場需求的產品。
波士頓動力的創新足跡
主持人：波士頓動力公司的下一個里程碑是什麼？
Marc Raibert： Big Dog（大狗，波士頓動力研究的四足機器人）無疑是我們公司的成名之作，也是讓我們團隊更加緊密合作的契機。隨著項目的推進，公司也逐漸壯大。大狗這個項目的起源來自於美國的一個生物力學項目。
當時，該項目發布了徵求建議書，總共有42份提案提交，但最終只有三個項目獲得資助。大狗就是其中之一，另一個則是攀爬機器人Rise。這兩個項目都進展得非常順利。後來，我們還聘請了麥吉爾大學的教授Martin Buehler，他在將大狗應用到實際環境中發揮了重要的作用。這是我們公司的重要模式，就是敢於走出實驗室，進行實地建造、測試和修復。
主持人：你們的機器人最令人印象深刻的一點就是它們運動的美麗與自然。無論是走路、跑步，甚至是翻滾和跳躍，都顯得如此自然流暢。這種自然運動是如何實現的？
Marc Raibert：擁有優秀的硬體是關鍵。我們在早期的研究中採用了動態的方法，思考物體下一步運動的演變。在給出指令時，我們會預測物體的運動軌跡，而不是僅僅基於當前狀態進行調整。
如果機器人要完成像翻謔鬥這樣的動作並沉穩著陸，就必須在起跳時獲得正確的動力和旋轉。我和Ron Robson一起製造了一個雙腿機器人。那個機器人連續翻了三個覬鬥。為了獲得足夠的旋轉速度，機器人需要模仿抱膝動作，也需要收腿加速旋轉。 Ron在穩定更複雜的動作方面做了非常深入的研究。
值得一提的是，他曾是體操運動員，也獲得體操冠軍。因此他具備出色的體能和工程技能，這使得他能夠將一些體操動作轉化為數學模型和演算法，從而實現這些複雜的機器人動作。
主持人：他理解人類的運動方式，只需要將這些知識應用在機器人上。
Marc Raibert：是的，機器人也要做同樣的事情。不幸的是，有時人類也並不完全清楚自己是如何完成某些動作的，雖然我們經過了訓練，有學習的方法，但我們真的理解其中的物理原理和方式嗎？運動員們可能也不完全清楚。
機器人的運動方式仍然不能完全像人一樣自然和優雅，儘管它已經在逐漸接近。像人類一樣走路對它來說仍然是一個挑戰。我們公司有一句話是，在機器人領域，你必須先學會跑，然後學會走路。
主持人：你們有一駕四足機器人速度達到了每小時19英里，它是世界上最快的四腳機器人嗎？
Marc Raibert：也許吧。不過，它可能也是噪音最大的，因為我們在上面裝了一個小型賽車引擎，為此我們還收到了幾個街區外的噪音投訴。
主持人：你現在領導新成立的波士頓動力AI研究所，可以介紹一下嗎？
Marc Raibert：我將智能劃分為兩個部分：一個是運動智能，另一個是認知智能。波士頓動力已經為運動智慧領域樹立了標竿。然而人類和動物還具備另一種智慧。那就是人類能夠制定計劃。例如會議9點開始，從家到會議室大約需要20分鐘，所以我決定8點40分離開家，這是一個簡單的決策過程。而大多數機器人在認知智能方面都顯得相當笨拙，需要大量的技術人員進行長時間的編程來完成各項任務。
如果機器人要實現我們的期望，就需要變得更聰明。因此，AI研究所的設計理念是將運動智能與認知智能結合。例如，我們正在嘗試製造能夠觀察人類完成任務的機器人，理解它所觀察到的一切，並自主完成任務。
有難度的測試才更能體現機器人的智力水平
主持人：何為運動智能？
Marc Raibert：人類使用雙手與身體各部位進行協調互動。例如旋轉物體等動作，我們不看也能完成，也可以從口袋裡拿出東西，並迅速識別它們。這些看似簡單的動作背後都蘊含著複雜的運動智慧。
主持人：在運動智能領域，還存在哪些重大的未解問題？
Marc Raibert：最大的挑戰可能還在於機器人的認知能力。
主持人：在研究過程中，你如何平衡大膽創新、穩定發展？
Marc Raibert：我們採用「循序漸進」的策略，透過一系列的小步驟逐步推進研究：進行某項操作時，如拿起物品、放置到特定位置，再疊放另一個物品。為了理解這些動作，我們將它們逐一分解並分析。目前，我們正專注於這個問題的前端研究：觀察並記錄視頻或即時內容，將其轉化為對發生事件的描述，並嘗試將這些描述與完成動作所需的技能相對應。在多個維度上，我們都正在取得逐步的進展。
主持人：如果僅僅是透過觀看視頻，機器人能否學習和模仿這些動作呢？
Marc Raibert：我認為這是可行的。以導航為例，傳統的導航方式依賴感測器來識別障礙物和可行走區域，建立地圖，並規劃路徑。在實際生活中當我們給人分配任務時，例如調整椅子的位置，並不需要詳細描述房間的每個細節。人們能夠自然地在某個環境中完成任務。
我們正在努力追求將這種自然的理解環境的能力應用到機器人中，使它們能夠在沒有詳細模型的情況下，透過觀察和學習來完成任務。
主持人：機器學習在這些過程中扮演了怎樣的角色？
Marc Raibert：自ChatGPT問世以來已經過了一年。人們對此展現了極大的興趣和樂觀態度。我認為機器學習領域仍有巨大的潛力等待我們發現。
主持人：你在波士頓動力公司、麻省理工學院（MIT）和卡內基美隆大學（CMU）都打造過非常出色的團隊，現在在AI研究所也是如此。你曾經提出一個出色的團隊需要具備四個要素：技術上的無畏、勤奮、勇敢、在技術中尋找樂趣。尤其是“技術上的無畏”，你如何理解？
Marc Raibert：技術上的無畏，是指勇於接受尚未找到解決方案的問題。
主持人：為什麼勤奮在團隊中很重要？
Marc Raibert：想要開發真正實用的機器人，機器人的智慧部分就不能是過於狹窄的，否則一旦任務或環境發生變化，機器人就會立刻失效。那麼，如何找到解決方案的廣泛適用性呢？我認為關鍵在於持續努力，直到你對解決更大範圍的問題感到滿意。這就是我所強調的穩健性。
或許有人看過我們的視頻，影片中展示了工程師如何給機器人設定難題。例如，當Spot機器人嘗試打開門時，有人會故意推門幹擾它；或者當機器人導航時，有人會拉扯連接到它身上的繩子。我們還有一個視頻展示了機器人在爬樓梯時，工程師通過拉扯繩子讓它滑下樓梯，這與機器人簡單地識別樓梯、建立模型、然後小心翼翼地把腳放在每一級台階上是完全不同的。這種測試能夠展現機器人技術的真正實力。為了有更穩健的解決方案，需要有更廣闊的視野和更深入的思考。
主持人：所以需要在各種條件下測試系統，並以多種方式對其進行幹擾？
Marc Raibert：如果僅僅展示機器人正常運作的視頻，觀眾可能不會覺得有多驚豔。但當機器人在運行過程中意外摔倒，人們會清楚地看到它摔倒和重新站立的速度，就會更加欣賞穩定運行狀態下的出色表現。
主持人：正是透過對比失敗與成功，我們才能更深刻地欣賞到成功的來之不易。
Marc Raibert：直到大約三、四年前，我一直是公司大部分影片的最終編輯者。我影片製作的理念是：無需過多解釋。如果觀眾無法理解視頻內容，那麼表示視頻本身做得還不夠好。不要用一堆標題或其他繁瑣的元素來拖慢節奏。只需做出值得展示的東西，並簡潔地呈現出來。
在Big Dog影片中，有人曾批評我們展示了人類操控機器人的部分。我理解這種批評，因為當時我們主要想展示的是機器人如何用腿爬坡的能力，我認為這是影片的重點。然而觀眾更關注的是機器人的自主能力。因此，我們根據觀眾的回饋做了很多調整，以呈現最純粹的機器人技術。
主持人：我很期待看到系統在受到干擾時的反應，還有它的穩健性和恢復力等特質。另外，機器人隨著音樂跳舞，這種大膽的嘗試也很有趣。
Marc Raibert：說到大膽，我認為勇氣也是關鍵的因素。機器人技術的研發難度極高，成功並不是一蹴可幾的。所以我會分享一些視頻，展示在研發過程中遭遇的一系列失敗。當投入大量心血製造出機器人，但它並沒有按照預期執行階段，必須有勇氣去面對失敗。
波士頓動力分享的是不斷改進後的穩定表現
主持人：能否分享一下Spot和Atlas背後的研發故事？
Marc Raibert：為了讓Atlas爬上三個大台階，我們進行了100多次嘗試，每次都有影片記錄。雖然失敗了這麼多次，但一旦成功，其表現就會非常穩定。所以我們展示的並不是某一次偶然的成功，而是經過不斷改進後的穩定表現。
每一次的失敗都為我們提供了寶貴的經驗。有些是因為意外所導致，例如在起點處機器人就摔倒了，與台階無關；或者是感知系統出現故障，導致跳躍時偏離了目標；甚至有時某些部件會損壞，這些都是研發中的有趣經歷。
我清楚的記得，整個研發過程耗時6周，我們不斷地對機器人進行程式設計和調整，這就是機器人的學習過程，但人工的參與和輔助不可或缺。
主持人：在研發過程中，如何確保Atlas不受損？
Marc Raibert： Atlas的成功程度歸功於我們的工程師將機器人設計得足夠堅固，它能夠在跌倒和其他測試中承受衝擊。
有時，我會批評那些把精美裝置供在架子上不敢使用的人，以那種方式工作無法取得任何進展。我們需要做好裝置可能損壞的準備，並且能夠及時修理。在製訂預算時，就需要考慮到備件和專業的維修團隊等成本。
於我而言，我總能從技術中找到樂趣，像個工匠一樣，用自己的雙手或擅長的工具親手完成一項工作是非常有成就感的。這能夠為工程師們帶來極大的成就感。
主持人：工程對你而言意味著什麼？
Marc Raibert：對我來說，工程既包含了科學的嚴謹，又有像是藝術的創新性。科學家主要描述和研究已經存在的事物，而工程師則能創造出前所未有的東西，工程學承載著更高的使命。儘管在公眾眼中，科學往往被視為至高無上，工程學次之，但我的看法恰恰相反。
我認為，讓機器人以一種能引發人們對生命聯想的方式移動是非常重要的。如果機器人的動作高效，那麼它就能比其他機器人更快、更強地完成任務。雖然我們通常不會追求比人類更強、更快。
人類可以用智慧創造系統，在靜物或任何無生命的物體中，特別是當它在人類可以直接感知和欣賞的層面上。
主持人：我逐漸意識到，人類之間的溝通不僅依賴語言，還包括豐富的肢體語言和諸多複雜細節。
Marc Raibert：我們曾接到邀請，讓機器人與著名舞者同台演出。舞者的頭部、頸部、肩膀等每一個細微動作都包含無數變化，而機器人通常沒有這樣的彈性。要想在舞者旁邊表演而不顯得笨拙，難度確實很大。因此，我們基本上避免了這種類型的表演。
我不會低估馬斯克的任何一項能力
主持人：你是如何吸引優秀工程師的？
Marc Raibert：要吸引人才，首先需要創造一個讓他們願意投入其中的工作環境：一個優秀的工程環境會吸引工程師們前來，而優秀的工程師們又會進一步提升這個環境。在波士頓動力公司，我們花了很長時間維護這樣的環境。
另外，我認為需要找到那些真正熱愛機器人技術的人。在公司早期由於薪資水平相對較低，我們吸引的都是那些對這項工作充滿熱情的人。其中包括一些沒有專業學位但技藝高超的工匠，例如那些製造自行車和皮劃艇的能手，還有一些來自創客社區的人才，他們對公司來說非常重要。
主持人：你一直對馬斯克和特斯拉在Optimus機器人方面的進展讚賞有加，這是一款類人機器人。你如何看待他們的類人機器人？
Marc Raibert：我非常欽佩伊隆‧馬斯克作為技術專家的能力和成就。他在特斯拉的所作所為簡直讓人歎為觀止。他將一個原本小眾、鮮有人關注的領域，發展成了現在幾乎所有汽車製造商都競相效仿的熱門產業。再來看看SpaceX，他在某些方面甚至已經超越了NASA，雖然這樣說可能有點誇張。
我絕不會低估馬斯克的任何一項能力。但就目前的Optimus而言，我認為它還未達到Atlas的水平。
主持人：關於類人機器人領域的競爭，您有何看法？您是否更傾向於友善的互動交流？
Marc Raibert：我並不是太在意競爭。因為我並非商人出身。在波士頓動力公司的多年裡，我們從未過多考慮競爭，只是專注於自身的發展。然而，即使在沒有競爭的情況下，也只是作為機器人供應商的角色。例如，在小狗項目中，我們僅負責製造機器人，並未參與其他開發環節。在DARPA機器人挑戰賽中，我們也以提供機器人的身份參與，並未直接參與競爭。
如今，我們在AI領域致力於認知方面的研究，我感覺競爭更為激烈。計算硬體、團隊技能以及人才招募的入門要求都更高了，這是更具挑戰性的領域。目前，有10家或12家類人機器人公司，可能還有些我不理解的，他們之間肯定存在競爭且也將持續存在。
主持人：倉庫自動化是目前機器人領域中唯一能實現獲利的應用場景嗎？
Marc Raibert：確實如此。但我堅信，社群機器人將開始實現真正的獲利，如家用型的、類似波士頓動力公司Spot那樣的機器人。未來，機器人將會大量進入我們的家庭。
有時候你有一個好的產品，但人們可能不知道它。因此，部分工作得透過視訊或其他方式與公眾互動，創造一種文化氛圍，讓人們意識到他們需要該產品。
你可能不希望一個裝有攝影機的機器人在你家裡自由移動，但如果它被恰當地呈現，並且有明確的界限讓你理解它的工作原理，很多人會願意使用它。畢竟，我們現在都在使用智慧手機，而智慧手機上也裝有攝影機在「監視」我們。
主持人：你不覺得人工智慧是威脅嗎？
Marc Raibert：我個人並不這麼認為。
主持人：有人認為，這些系統未來可能會比人類聰明10倍、100倍，甚至1000倍，它們的道德和倫理準則可能與人類不同。因此，它們可能會以我們無法預測的方式失控，對人類造成傷害。
Marc Raibert：這有點像《奧本海默》電影中的一句台詞：他們在第一次引發核反應時，擔心地球上的所有物質都會消失。
雖然這種可能性存在，但我個人認為不必太擔心。我看到了一個充滿機會的領域，風險也伴隨其中，我們需要在兩者之間找到平衡。以汽車為例，它們造成了環境污染並每年導致大約125萬人死亡，儘管如此，汽車對人類來說仍然非常有用。而這些技術和污染問題是可以逐步解決的。 （中國企業家雜誌）