Attention Please！這是一個整裝待發(fā)的國產(chǎn)人形機器人：

先拿比較基礎(chǔ)的挑戰(zhàn)場景熱熱身。

首先完成的是行走過程中主動調(diào)整步態(tài)，抬腿從平地邁上臺階：

再加大點場景難度，讓它完成上樓梯任務(wù)，還能看到實時感知畫面：

或者下15度的斜坡，都能一氣呵成：

這家伙還從室內(nèi)走到了戶外，從白天走到了傍晚，在不同環(huán)境條件下進行測試。

動態(tài)表現(xiàn)怎么說呢，就挺穩(wěn)定，夸句“出色”并不為過。

不僅這些任務(wù)全部能穩(wěn)如老狗般解決，更關(guān)鍵的是，這家伙完成上述任務(wù)，依靠的不是地形建模什么的，而是動態(tài)實時感知——人形機器人實時感知自個兒面對著什么樣的地形，根據(jù)環(huán)境信息進行步態(tài)規(guī)劃，再操控自身動作，最后高動態(tài)完成任務(wù)。

量子位了解的情況是，公開展示帶感知動態(tài)上樓梯的機器人，此前僅在像波士頓動力的Atlas和Agility Robotics的Digit等這類國外的機器人demo上看到。

也就是說，這是國產(chǎn)人形機器人首次基于實時地形感知動態(tài)上樓梯、下斜坡。

面對這種“首次”，量子位忍不住打聽了下這位人形機器人出自何門何派，消息很快傳來，這名叫CL-1的人形機器人，背后是一家深圳公司：

逐際動力LimX Dynamics。

公司挺年輕，創(chuàng)辦于2022年，但前不久已經(jīng)官宣了近2億的早期融資，完成資本層面的證明；現(xiàn)在，這家公司放出CL-1的動態(tài)測試效果，也就是秀了一波他們向全尺寸人形機器人進化的新進展。

實時感知，不再“盲走”

這是逐際動力首次讓自家人形機器人對外亮相。

一出手，就展現(xiàn)了CL-1高動態(tài)完成上樓梯、下斜坡和室內(nèi)外行走等復(fù)雜場景。

看似人類日常生活中很基礎(chǔ)的行動能力，為什么咱要抓出來強調(diào)？（敲黑板）

不妨來看看目前的行業(yè)平均水平——

大部分的人形機器人玩家，基本上都是“盲走”。面對樓梯，就沒轍了。

更進一步地抽離出具體場景，CL-1能夠完成上述任務(wù)，其實展現(xiàn)的是背后團隊從實時地形感知到步態(tài)規(guī)劃，再到全身控制的全棧閉環(huán)能力。

那么問題來了：行業(yè)內(nèi)普遍無法解決的難題，逐際動力是怎么搞定的？

為了解答這個問題，量子位在看到動態(tài)測試視頻后的第一時間，（在線）沖向逐際動力拽住了他們的人形機器人技術(shù)負責(zé)人Geil。

他倒是挺大方地給出了解釋，主要從軟件算法和硬件兩個層面來解決。

首先來說軟件層面要做到的。

要完成實時地形感知，不僅需要感知模塊具備感知地形細節(jié)能力，還需要它能高效、快速地處理感知信息，然后及時地將地形信息提供給運動控制模塊。

運動控制模塊接收到信息后，需要根據(jù)不斷變化的地形，結(jié)合當時機器人的位置、姿態(tài)、關(guān)節(jié)角度等實時規(guī)劃合理的落腳點、運動軌跡，乃至和環(huán)境的交互力等等。

一般而言，人形機器人在平地進行步態(tài)規(guī)劃控制已經(jīng)有一定的挑戰(zhàn)性；當面對臺階、斜坡這類結(jié)構(gòu)化復(fù)雜地形時，難度只會陡然倍增。

再者就是硬件層面，為了實現(xiàn)高動態(tài)運動，逐際動力人形機器人技術(shù)團隊做了特異性設(shè)計，例如高性能力控關(guān)節(jié)，輕量化結(jié)構(gòu)，高性能電機驅(qū)動等。

代替人而非代替人使用的工具

目前的人形機器人產(chǎn)業(yè)鏈上下游，各類硬件技術(shù)已經(jīng)相對成熟，但一番追問下我們得到答案，逐際動力團隊選擇的是“硬軟件并重”的路線。

由于在人形機器人中，軟件和硬件是強耦合的，我們認為二者都至關(guān)重要，因此現(xiàn)在處于齊頭并進的狀態(tài)。

據(jù)了解，逐際動力團隊中，研發(fā)人員占比80%，由軟件和硬件工程師組成。

硬件決定了機器人功能的上限。

展開來說，很大程度上，人形機器人的物理能力和執(zhí)行任務(wù)的范圍受到其硬件組件的限制，傳感器、執(zhí)行器、處理器速度和存儲容量等硬件特性，決定了機器人能夠感知環(huán)境、處理信息和執(zhí)行動作的能力。

逐際動力的選擇，是核心硬件全自研。

并且還有些小特色在，為了讓所用硬件最適配算法，團隊從軟件定義硬件所需的參數(shù)，設(shè)計出來后讓上游生產(chǎn)，然后自行組裝。

和硬件技術(shù)互補，軟件算法是機器人智能行為的基礎(chǔ)，定義了機器人功能的下限，軟件能力越強，當然下限就越高了。

為自家軟件定制硬件，更能讓算法的優(yōu)勢發(fā)揮到淋漓盡致。

在CL-1背后的技術(shù)團隊看來，基于感知的運動控制算法是非常核心的能力，也是最難的控制問題。

但天時地利擺在眼前，一方面，大模型涌現(xiàn)的能力為通用機器人與環(huán)境的感知、交互決策提供一個更好的解；另一方面，AI的迅猛發(fā)展為強化學(xué)習(xí)在人形機器人硬件上的具體部署提供了強大工具鏈，能夠讓強化學(xué)習(xí)算法的落地更方便更快捷，時間也大大縮短。

因此，逐際動力專注于運動控制算法的研發(fā)，目標是以通用AI算法來提升人形機器人的泛化能力。這也是逐際動力為什么被行業(yè)列為“具身智能”玩家賽道一員的原因。

這兒不得把逐際動力打造人形機器人的2個重點單拎出來跟大伙兒聊一下，也就是全地形移動能力+通用移動操作能力。

并且兩種能力圍繞著一個定義：

以人為中心，去人能去的地方，做人能做的事情。

換句話說，逐際動力研發(fā)人形機器人，要達到的目的不是代替人使用的某種或某幾種工具，而是代替人本身。

在未來，人類的工具和人形機器人是共存的。

在通往這個終極目標的過程中，團隊規(guī)劃的商業(yè)化落地路徑是一步一個腳印來實現(xiàn)的，先是可以實現(xiàn)人類遠程控制的高危場景，然后是一些高端制造業(yè)，如汽車裝配場景等，最后是利用其泛化能力進入家庭提供服務(wù)。

團隊目前的任務(wù)很明確，對前沿技術(shù)進行攻關(guān)，不去造無法提供穩(wěn)定功能的人形機器人產(chǎn)品。

逐際動力是誰？

聊了這么多，最后我們來認真介紹一下上得樓梯、下得斜坡的CL-1背后公司。

逐際動力，2022年在深圳成立，非常年輕，但是已經(jīng)是具身智能賽道上關(guān)注度頗高的選手。

它的創(chuàng)始人是張巍博士，過去十幾年專心致志只做一件事，搞機器人技術(shù)，是學(xué)界的頂尖青年學(xué)者。

張巍2019年回國，現(xiàn)擔(dān)任南方科技大學(xué)長聘教授、深圳鵬城學(xué)者特聘教授。

他本科就讀于中科大自動化系，后在普渡大學(xué)取得電氣與計算機工程系博士學(xué)位。后來，他又前往加州大學(xué)伯克利分校擔(dān)任博士后研究員。

他的研究方向聚焦在控制與優(yōu)化理論、機器人、機器學(xué)習(xí)、強化學(xué)習(xí)以及相關(guān)技術(shù)在足式機器人的應(yīng)用。

在創(chuàng)立逐際動力之前，張巍是美國俄亥俄州立大學(xué)長聘教授。

除了創(chuàng)始人本身，逐際動力的核心團隊也是星光璀璨。

比如中國第一代自動駕駛商用落地操盤手代表、前文遠知行COO張力，10月剛宣布以聯(lián)合創(chuàng)始人、COO的身份，成為逐際動力的一員。

入職后，張力負責(zé)逐際動力海內(nèi)外業(yè)務(wù)的戰(zhàn)略規(guī)劃、渠道拓展和項目落地、市場營銷與傳播、政府關(guān)系等事務(wù)。

和張力一同官宣的另一位重磅成員是香港大學(xué)長聘副教授、機器人與人工智能算法行業(yè)領(lǐng)軍人物潘佳，他現(xiàn)在擔(dān)任逐際動力首席科學(xué)家一角。

這兩位的加盟，是逐際動力在塔尖人才吸引力方面的證明，同時也悄然說明著逐際動力對整個團隊能力的一種查漏補缺——

具身智能雖然是過去一整年的爆火賽道，在全球范圍內(nèi)都備受關(guān)注，但仍然是一個非共識領(lǐng)域，核心團隊的互補能力，打造整體的“多邊形戰(zhàn)士”對爆火賽道上的參賽者來說，非常重要。

往前看，逐際動力已經(jīng)在技術(shù)層面拿出過證明：

9月，逐際動力純四輪足設(shè)計的機器人發(fā)布，不僅效果驚艷，落地領(lǐng)域還是2B，實打?qū)嵉倪M場打工人。

10月，這家公司的點式雙足機器人P1，又在智能機器人與系統(tǒng)頂會IROS首次海外亮相。

想想看，其實那時候就是逐際動力在對外釋放一直以來在雙足機器人研發(fā)方面的能力積累。據(jù)介紹，技術(shù)團隊2019年時就開始了雙足機器人的研發(fā)，P1就是雙足機器人運動控制算法的開發(fā)和測試的實踐平臺。

隨著軟硬件的迭代，才慢慢有了今天看到的全尺寸人形機器人CL-1。

最后，我們打聽了一波逐際動力的2024年最新版本年度計劃（手動狗頭）。

2024年，技術(shù)團隊重點首先還是奔著通用性目標，繼續(xù)攻關(guān)人形機器人的技術(shù)難題。

軟件算法方面，主要攻關(guān)全身協(xié)同運動控制（loco-manipulation）、結(jié)合強化學(xué)習(xí)的運動控制、基于AI的雙臂操作等；

硬件方面，主攻的則是全自由度人形機器人硬件，特別是高性能執(zhí)行器開發(fā)方面。

期待一波吧～