把一個機器人變成一個好的隊友可能很困難，因為找到合適的自主權可能很棘手。太少了，需要一個人的大部分或全部注意力來管理一個機器人，這可能適用于爆炸物處理等特殊情況，但在其他情況下效率不高。太多的自主權，你會開始在信任、安全和可解釋性方面遇到問題。

“我認為我們在這里尋找的水平是讓機器人在工作犬的水平上進行操作?！盨tump 解釋道：“他們完全理解我們在有限的情況下需要他們做什么，如果他們面臨新的情況，他們有少量的靈活性和創(chuàng)造力，但我們不希望他們創(chuàng)造性地解決問題。如果他們需要幫助，他們會回到我們身邊?！?/p>

RoMan 不太可能很快發(fā)現(xiàn)自己在外地執(zhí)行任務，即使是作為人類團隊的一部分。它在很大程度上是一個研究平臺。但是ARL 正在為RoMan 和其他機器人開發(fā)的軟件稱為自適應規(guī)劃器參數(shù)學習(APPL)，很可能首先用于自動駕駛，然后用于更復雜的機器人系統(tǒng)，包括像RoMan 這樣的移動機械手。APPL 結合了在經(jīng)典自主導航系統(tǒng)下分層排列的不同機器學習技術（包括逆向強化學習和深度學習）。這允許將高級目標和約束應用于低級編程之上。人類可以使用遙控演示、糾正干預和評估反饋來幫助機器人適應新環(huán)境，而機器人可以使用無監(jiān)督的強化學習來動態(tài)調(diào)整其行為參數(shù)。結果是一個自治系統(tǒng)可以享受機器學習的許多好處，同時還提供陸軍需要的那種安全性和可解釋性。與應用程序，

看著商業(yè)和工業(yè)自主系統(tǒng)的快速發(fā)展（自主汽車只是一個例子），我們很想知道為什么陸軍似乎在某種程度上落后于技術發(fā)展水平。但是，正如斯坦普發(fā)現(xiàn)自己不得不向陸軍將領解釋的那樣，當涉及到自主系統(tǒng)時，Stump說："有很多棘手的問題，但工業(yè)的棘手問題與陸軍的棘手問題不同。陸軍沒有在有大量數(shù)據(jù)的結構化環(huán)境中操作其機器人的奢侈，這就是為什么ARL在APPL中投入了如此多的精力，并為人類保留了一席之地。展望未來，人類可能仍然是ARL正在開發(fā)的自主框架的一個關鍵部分。這就是我們試圖用我們的機器人系統(tǒng)建立的東西。這就是我們的保險杠貼紙：'從工具到隊友'。"

Agility 公司首席技術官Jonathan Hurst

Agility 公司首席技術官Jonathan Hurst告訴我們：

“數(shù)字是非常非常靈活的自動化，”當我們向他詢問此事時。我們正在做的事情的價值是一般性的，有一個機器人可以搬運三四個小時的手提包，然后從拖車上卸下箱子三四個小時，如果你改變了，跟上你”你的工作流程完全。其中許多空間是專門圍繞人類外形設計的，像Digit 這樣的機器人有可能完成所有這些不同的無聊、重復的工作。然后當事情變得復雜時，人類仍然在做?！?/p>

當您開始考慮典型的倉庫情況時，在人類環(huán)境中擁有類人機器人的價值就會發(fā)揮作用，這些情況對于人類來說是微不足道的，但對于輪式機器人來說卻是不可能的。例如，Hurst 說Digit 能夠使用凳子接觸高架子上的物體。當然，你可以設計一個帶有擴展系統(tǒng)的輪式機器人，使其能夠到達高架子，但你現(xiàn)在增加了更多的成本和復雜性，而通用類人機器人的全部意義在于，在人類環(huán)境中，你只需不必擔心環(huán)境挑戰(zhàn)。或者，無論如何，這就是想法，但正如Hurst所解釋的那樣，Digit 最終以大部分人形外形的形式更像是設計時考慮到特定功能的副作用：

我們并沒有著手制造類人機器人，但是，我們著手解決移動性問題，并且一直在有條不紊地理解世界上的物理交互。Agility 從我們的機器人Cassie 開始，Cassie 的一個大問題是我們機器人的身體沒有足夠的慣性來抵消向前擺動的腿，這就是為什么Digit 有一個直立的軀干。我們想在Cassie 的偏航方向上給自己更多的控制權，所以我們嘗試在機器人上放一條尾巴，結果證明最好的尾巴是一對雙邊對稱的尾巴，一個在兩邊。

我們的目標是設計一種機器，它可以在人們?nèi)ツ睦锏耐瑫r操縱世界上的事物，我們最終得到了這種外形。對我們來說，這是一條與絕大多數(shù)人形機器人截然不同的道路，我們的機器有很多其他大多數(shù)機器所沒有的微妙之處。

Agility的數(shù)字人形機器人-Digit humanoid

IEEE Spectrum：那么你是說，Digit的手臂一開始是作為尾巴來幫助Cassie控制偏航的？

Jonathan Hurst：有很多這樣的例子——我們一直在沿著這條路走下去，我們找到了解決偏航控制等問題的方法，它碰巧看起來就像對動物一樣，但它也是一個在幾個方面都是最佳的解決方案。不同的方式，例如物理交互和能夠在機器人跌倒時抓住它。這并不是一件事和另一件事之間的妥協(xié)，而是直接針對這三個不同性能設計目標的正確解決方案。

回顧過去，我們首先問，我們應該在Cassie 上安裝反作用輪還是陀螺儀來控制偏航？嗯，那只是浪費了質(zhì)量。我們可以使用尾巴，有很多漂亮的機器人都有尾巴，但通常它們是用來控制俯仰的。動物也一樣。如果你看看蜥蜴，它們會用尾巴在空中重新定向，然后在跳躍后用腳著地。Cassie 不需要尾巴，但我們在地面上只有幾只小腳可以工作。如果你看看其他雙足動物，他們每個人都有其他獲得偏航權限的方法。如果您觀看鴕鳥奔跑，當它轉(zhuǎn)彎時，它會伸出翅膀以獲得所需的控制。

因此，所有這些事情都恰到好處，雙邊對稱的一對尾巴是控制兩足動物偏航的最佳方式。當你看到Digit 走路并且它的手臂在擺動時，這不是我們?yōu)榱耸惯\動看起來正確而添加的東西。它看起來是對的，因為它確實是對的——這是流動性的物理學。這對我們來說是一個好兆頭，表明我們正走在獲得我們想要的性能的正確道路上。

“我們將用于通用目的，但從一些最簡單的用例開始?！盝onathan Hurst說。

IEEE Spectrum：我們已經(jīng)看到Digit 展示了非常令人印象深刻的移動技能。為什么我們會在半受限的倉庫環(huán)境中看到演示，而不是在更直接利用Digit 獨特優(yōu)勢的地方？

Jonathan Hurst： 它是關于找到最早、最合適和最有價值的用例。這個機器人有很多東西，我們不會只是一個手提包包裝機器人。我們沒有為這個應用制造專門的機器人，但我們有幾個非常大的物流合作伙伴，他們對這臺機器的靈活性和操縱能力感興趣。是的，你現(xiàn)在看到的是平坦地板上的機器人，但它也不會被路緣、臺階、電線蓋或地面上的其他東西絆倒。你不必擔心這樣的事情。所以接下來，這是卸貨拖車旁邊的一個簡單過渡，它必須跨過縫隙，上下東西以及地板上的箱子等等。我們是為了通用目的，

首席執(zhí)行官Damion Shelton：我們正試圖縮小行業(yè)空間，與合作伙伴達成明確的價值主張并在那里進行部署。我們可以尊重通用用例的難度，努力盡早部署并盈利，而不是繼續(xù)推動戶外應用。福特機會的福與禍在于它超級有趣，但也超級難。所以這是非常激勵人心的，我們很清楚這就是最終機會之一，但它離部署時間表也太遠了，它只是沒有映射到可行的商業(yè)模式。

這是每個機器人公司遲早都會遇到的一個問題，他們的愿望必須屈從于以長期可持續(xù)的方式銷售機器人的現(xiàn)實。這絕對不是壞事，只是意味著我們可能不得不相應地調(diào)整我們的期望。不管你的機器人有什么樣的尖端功能，如果它不能有效地完成枯燥、骯臟或危險的事情，沒有人會付錢給你?？梢哉f，具有成本效益的實用性是目前雙足機器人面臨的最大挑戰(zhàn)之一。過去，我對Digit 的舉重技術印象深刻，或者它爬上陡峭泥濘的山坡的能力.當Agility 通過在倉庫中執(zhí)行枯燥的重復性任務開始為Agility 賺錢時，我也會印象深刻，因為這意味著Agility 將能夠繼續(xù)致力于那些更復雜、更令人興奮的事情。“這不是一般的操作，我們也沒有解決機器人技術的巨大挑戰(zhàn)。然而。但我們正在路上。”Hurst說。