This is not CGI.（这可不是计算机合成的。）

雷锋网注意到，对于这支大火的机器人舞蹈，IEEE（美国电气电子工程师学会）旗舰出版物 IEEE Spectrum 表示：

视频展示了波士顿动力技术实力和创造力的结合，令人信服，它受欢迎也不足为奇。

视频展示了波士顿动力技术实力和创造力的结合，令人信服，它受欢迎也不足为奇。

IEEE Spectrum 认为，严格来讲，这样的视频并不算是开创性的，因为观众们没有看到机器人的任何新能力，但其「艺术成分」仍然令人印象深刻。虽然波士顿动力的 双足机器人 Atlas 可以做一些实际的任务，体操、跑酷等技能也样样精通，但无疑，让机器人跳舞还是有难度的。

为此，在具体如何跳舞方面，波士顿动力请了一位名为 Monica Thomas 的外援做舞蹈指导。

雷锋网了解到，出于对性别、文化、幽默、后现代主义、运动和霸权等方面的共同兴趣，Monica Thomas 在她读大四时（2014 年）和两位朋友共同创立了一个 Mad King Thomas 舞蹈工作室，主要关注自由创作，已在世界各地创作了大大小小的舞台作品。

点燃革命、颠覆现状、重新定义舞蹈、表演或艺术是她们的理想，在此观念的影响下，波士顿动力机器人的舞蹈动作才那么独特。

当然，在一系列舞蹈动作背后，是更为复杂的技术原理，而这自然离不开波士顿动力的工程团队。

根据领英上公开的信息，波士顿动力工程副总裁 Aaron Saunders 曾先后就读于加拿大阿尔伯塔大学机械工程专业、加拿大维多利亚大学机械工程专业，获硕士学位。

毕业后，Aaron Saunders 曾在加拿大麦吉尔大学智能机器中心的移动机器人实验室研究工程师，一年后的 2013 年，Aaron Saunders 进入了波士顿动力。

从起初的硬件工程副总裁一职，到随后的工程副总裁一职，Aaron Saunders 在波士顿动力的工作年限已达到了 18 年，已然是一位元老级人物了。

Aaron Saunders 在其个人描述中也写道：

领导多学科团队开发复杂的机器人系统，有着地面和水下移动机器人的经验。专长有系统工程、航空航天液压、复杂机构设计、机电驱动和定制力感测。

领导多学科团队开发复杂的机器人系统，有着地面和水下移动机器人的经验。专长有系统工程、航空航天液压、复杂机构设计、机电驱动和定制力感测。

为深入了解这支贺新年舞蹈，最近 IEEE Spectrum 采访到了波士顿动力工程副总裁 Aaron Saunders，雷锋网在不改变原意的基础上做了编译。以下文字或许能让我们对波士顿动力的了解更为深入。

如何看待网友的反应？

事实证明，我们此前设想的各种网友可能有的反应都真实发生了，这对我们来说绝对是非常大的乐趣。我们收到了上百封电子邮件、接到了很多电话，他们分享了自己的看法和对我们未来发展的建议。可以说，这一视频的受众比预期要广很多，主要原因是我们将经典歌曲和前沿技术融合到了一起。

此次 Atlas 展现了以前从未有过的动作，能否介绍一下背后原理？

首先，我们与一位编舞师和几名舞者合作，编了一套舞蹈动作，以此作为基础。实际上 Atlas 所面临的最大挑战就是学习人类的舞蹈动作，为此，我们通过模拟进行大量的快速迭代，同时向编舞师征求反馈，打造数据集，保证动作都在 Atlas 力量和速度的允许范围内。

在此过程中，随着工具越来越多，我们设计新舞蹈动作所需的时间越来越短，这个过程不是手动创建脚本或编码。比如在拍摄前一天，我们用工具链创建了 Atlas 的一个芭蕾动作，只花了一天时间。

在将舞者舞蹈动作转换为 Atlas 动作时，团队曾遇到哪些困难？

芭蕾舞中有一些旋转动作，需要大量的迭代才能在 Atlas 上执行，我们在一些动作上的经验不多，因此不论是机器还是软件都面临着挑战。我们意识到，永远不要低估人类舞者的灵活度和力量，让机器人去做优秀人类舞者的动作的确很难。

根本上，Atlas 还是不具备舞者的运动能力和力量，这将是我们持续努力的一个方向——我们相信，如果想让机器人广泛应用于商业化落地，最终走入千家万户，这样的性能是必不可少的。

人类舞者可以帮助 Atlas 编舞，那么 Spot 和 Handle 是怎样学会跳舞的呢？

学习跳舞，一方面在于我们的合作者，他们在对运动的思考上、在通过动作表达自我的方式上都颇有才能；另一方面在于我们的机器人良好的动态、平衡性。实际上，舞者与机器人在运动上是有关联的，编舞师会将他们统一起来，这与机器人有几条腿没有关系。

教机器人跳舞、做体操、跑酷，对于机器人的商业应用有何启发？

机器人在跳舞和跑酷中掌握的技能（如敏捷性、平衡性和感知），对于许多实际应用都是必需的。更为重要的是，波士顿动力其实一直尝试着在开发新技能与保持有趣之间找到平衡点。我们在很多诡异、有趣的尝试中学到了不少经验教训。要拓展边界，一定要先踏入那些未知的领域。

人们很难通过视频了解团队所花费的时间和努力，也并不知道它们在多大程度上代表了机器人的真实能力。您是否可以谈谈？

我从视频出发回答这个问题（当然我们的所有视频都是一个道理）。对 Atlas 来说，大部分的机器人控制工作都是源于我们原有的技术积累（例如通过机器人跑酷，我们发现了如何使用模型预测控制器来控制机器人运动和平衡），而让机器人执行舞步，则是我们和舞者、编舞师一起设计的。为了保证力量和速度，我们也对 Atlas 做了硬件升级——舞蹈可能是我们尝试过的最需要力量的活动。

前期的工作花了好几个月，最终视频拍摄环节我们只用了两天时间，主要是在思考如何移动摄像机，捕捉一个持续两分钟的镜头。

当然硬件还是存在问题，比如机器人会跌倒，需要人为维护。虽然视频里的行为不会被产品化，也并非完全是可靠的，但它们是可重复的。我们如实地展示了波士顿动力机器人目前能做出的行为水平，对我们来说诚实是很重要的品质。

Atlas 在学习执行新任务时，会用到机器学习吗？

其实技术方面我们做了非常多的探索，但 Atlas 目前并未使用学习控制器，它使用到了反射控制和模型预测控制。我们认为这都是机器人提升性能作出新行为的可靠方式。未来，我们也计划利用机器学习在软硬件基础上进行扩展。

目前，Atlas 主要借助下半身发力，但跑酷要用到上肢的力量敏捷度。据了解，Atlas 已经开始了引体向上等动作的尝试，可否谈一谈？

动物可以用下肢做出很多动作，但全身都协同发力，效果当然更好。跑酷的确是为我们提供了新的发展方向，我们在不断打磨、尝试新的、更复杂的行为，提升敏捷性。其实 Atlas 团队的任务之一就是尽可能提升上肢力量的使用频率，我对它未来的发展还是很兴奋的。

您如何看待高动态机器人的液压（hydraulic）和电动（electric）驱动器？

使用哪种驱动器，具体要取决于机器人的尺寸、用途和工作环境等。当然，最好是两种技术都掌握。我认为规模是二者的自然界限——制造小型液压机器极具挑战性，业内也很少有人这么做。同样的道理，也很少有人制造大型电动机器。

最近是否有让您感到兴奋的机器人领域研究？

通常，我们关注计算机视觉、地形感知方面的进展。这些领域的进展越大，我们能做的也就越多。就我个人而言，我关注操纵方面的进展，尤其是一些研究可增进人们对基于摩擦的复杂交互的理解。

目前，机器人操纵正在从简单的捏、举、投掷动作向更有意义的交互转变。操纵方向的研究将进一步发掘机器人的潜能。

引用来源：

雷锋网雷锋网雷锋网